社区问答服务中的问题分类方法研究
| 中文摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究意义 | 第13页 |
| 1.3 问题分类研究现状 | 第13-16页 |
| 1.3.1 基于全监督学习的问题分类方法 | 第14-15页 |
| 1.3.2 基于半监督学习的问题分类方法 | 第15-16页 |
| 1.4 研究内容 | 第16-18页 |
| 1.5 组织结构 | 第18-20页 |
| 第2章 相关知识介绍 | 第20-33页 |
| 2.1 文本表示模型 | 第20-22页 |
| 2.2 最大熵分类模型 | 第22-25页 |
| 2.3 支持向量机 | 第25-27页 |
| 2.4 卷积神经网络 | 第27-28页 |
| 2.5 长短期记忆神经网络 | 第28-30页 |
| 2.6 语料资源 | 第30-31页 |
| 2.7 性能评测指标 | 第31-33页 |
| 第3章 基于标签传播的半监督问题分类方法 | 第33-40页 |
| 3.1 引言 | 第33-34页 |
| 3.2 基于标签传播的半监督问题分类方法 | 第34-37页 |
| 3.2.1 特征介绍 | 第35页 |
| 3.2.2 基于答案辅助的标签传播方法 | 第35-37页 |
| 3.3 实验设计与分析 | 第37-39页 |
| 3.3.1 实验设置 | 第37页 |
| 3.3.2 实验结果与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于表示学习的半监督问题分类方法 | 第40-48页 |
| 4.1 引言 | 第40-41页 |
| 4.2 基于表示学习的半监督问题分类方法 | 第41-44页 |
| 4.2.1 词向量表示学习 | 第41-43页 |
| 4.2.2 基于卷积神经网络的问题分类模型 | 第43-44页 |
| 4.3 实验设计与分析 | 第44-47页 |
| 4.3.1 实验设置 | 第44-45页 |
| 4.3.2 实验结果与分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于双通道LSTM模型的双语问题分类方法 | 第48-56页 |
| 5.1 引言 | 第48-49页 |
| 5.2 融合双语信息的问题分类方法 | 第49-52页 |
| 5.2.1 概述 | 第49-50页 |
| 5.2.2 单通道长短期记忆网络 | 第50页 |
| 5.2.3 融合双语信息的问题分类方法 | 第50-52页 |
| 5.3 实验设计与分析 | 第52-55页 |
| 5.3.1 实验设置 | 第52页 |
| 5.3.2 实验结果与分析 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-59页 |
| 6.1 研究工作总结 | 第56-57页 |
| 6.2 下一步工作设想 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读学位期间发表的论文 | 第64页 |
| 攻读学位期间申请的专利 | 第64页 |
| 攻读学位期间申请的软件著作权 | 第64-65页 |
| 攻读学位期间参与的科研项目 | 第65-66页 |
| 致谢 | 第66-68页 |
