| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 问题分析的国内外研究现状 | 第8-10页 |
| 1.2.1 分词处理的国内外研究现状 | 第8-9页 |
| 1.2.2 问题分类的国内外研究现状 | 第9-10页 |
| 1.3 本文的主要研究内容 | 第10-11页 |
| 1.4 论文的主要组织结构 | 第11-13页 |
| 第2章 基于深度学习的问题分析研究 | 第13-27页 |
| 2.1 问答系统体系结构 | 第13-14页 |
| 2.2 问题分析的主要研究内容 | 第14-19页 |
| 2.2.1 分词处理 | 第14-15页 |
| 2.2.2 词性标注 | 第15页 |
| 2.2.3 去停用词 | 第15-16页 |
| 2.2.4 特征提取 | 第16-17页 |
| 2.2.5 问题分类 | 第17-19页 |
| 2.3 面向问题分析的深度学习方法 | 第19-26页 |
| 2.3.1 激活函数 | 第19-21页 |
| 2.3.2 Dropout | 第21-22页 |
| 2.3.3 词向量 | 第22-24页 |
| 2.3.4 卷积神经网络 | 第24-25页 |
| 2.3.5 递归神经网络 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于BI-GRU-CRF混合网络中文分词处理 | 第27-39页 |
| 3.1 基于神经网络分词处理框架 | 第27-29页 |
| 3.2 分词处理常用网络模型 | 第29-31页 |
| 3.3 基于BI-GRU-CRF混合网络分词处理 | 第31-34页 |
| 3.3.1 基于BI-LSTM神经网络分词处理 | 第31-32页 |
| 3.3.2 基于BI-GRU-CRF混合网络分词处理 | 第32-33页 |
| 3.3.3 利用模型的训练方法及实验步骤 | 第33-34页 |
| 3.4 实验结果及分析 | 第34-38页 |
| 3.4.1 实验数据,设置及评价指标 | 第34-35页 |
| 3.4.2 实验结果及分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于词频率的BI-LSTM-CNN网络问题分类方法 | 第39-51页 |
| 4.1 问题分类体系 | 第39页 |
| 4.2 基于神经网络的问题分类 | 第39-42页 |
| 4.2.1 基于CNN的问题分类 | 第39-41页 |
| 4.2.2 基于LSTM的问题分类 | 第41-42页 |
| 4.3 基于词频率的BI-LSTM-CNN网络的问题分类方法 | 第42-46页 |
| 4.3.1 TF-IDF方法 | 第42-43页 |
| 4.3.2 基于词频率特征提取的改进 | 第43-45页 |
| 4.3.3 基于BI-LSTM-CNN网络的问题分类 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-49页 |
| 4.4.1 实验数据集 | 第46页 |
| 4.4.2 实验结果及分析 | 第46-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间取得的研究成果 | 第57-59页 |
| 致谢 | 第59-60页 |
