| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 研究内容 | 第16页 |
| 1.4 研究方案 | 第16-17页 |
| 1.5 论文章节安排 | 第17-18页 |
| 第2章 基于互信息的网络百科词条相关度计算 | 第18-30页 |
| 2.1 词条相关度计算方法概述 | 第18-19页 |
| 2.2 相关工作 | 第19-21页 |
| 2.2.1 通过语义知识库的词条相关度计算方法 | 第19-20页 |
| 2.2.2 基于大规模语料库的统计信息计算词条相关度的方法 | 第20页 |
| 2.2.3 基于网络百科的词条相关度计算方法 | 第20-21页 |
| 2.3 算法介绍 | 第21-26页 |
| 2.3.1 百度百科网页结构 | 第21-22页 |
| 2.3.2 算法流程 | 第22-23页 |
| 2.3.3 互信息(MI)算法的理论基础 | 第23页 |
| 2.3.4 互信息算法的实现 | 第23-26页 |
| 2.4 实验结果 | 第26-29页 |
| 2.4.1 实验数据 | 第26页 |
| 2.4.2 实验结果 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 特征选取与降维 | 第30-43页 |
| 3.1 相关工作 | 第30-31页 |
| 3.2 文本预处理 | 第31-34页 |
| 3.2.1 分词处理 | 第31-34页 |
| 3.2.2 去除停用词 | 第34页 |
| 3.3 如何选取特征 | 第34-37页 |
| 3.3.1 bag-of-words特征 | 第35页 |
| 3.3.2 N-gram特征 | 第35页 |
| 3.3.3 词性特征 | 第35-36页 |
| 3.3.4 词意特征 | 第36页 |
| 3.3.5 特征选择算法 | 第36-37页 |
| 3.4 语义扩展和语义泛化 | 第37-42页 |
| 3.4.1 语义扩展 | 第37-39页 |
| 3.4.2 语义泛化 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于DBN的特征学习 | 第43-49页 |
| 4.1 研究背景 | 第43页 |
| 4.2 相关工作 | 第43-44页 |
| 4.3 深度置信网络 | 第44-45页 |
| 4.4 限制玻尔兹曼机RBM | 第45-46页 |
| 4.5 对比散度(CONTRASTIVE DIVERGENCE) | 第46-47页 |
| 4.6 SOFTMAX函数回归 | 第47-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第5章 手机语音助手实网数据问题分类 | 第49-59页 |
| 5.1 手机助手语音数据分类的特点 | 第49页 |
| 5.2 分类的整体框架 | 第49-50页 |
| 5.3 实验设置 | 第50-58页 |
| 5.3.1 实验数据 | 第50-51页 |
| 5.3.2 评价指标 | 第51页 |
| 5.3.3 基本特征的选取 | 第51-54页 |
| 5.3.4 训练数据的选取 | 第54页 |
| 5.3.5 语义泛化 | 第54-55页 |
| 5.3.6 分类算法 | 第55-56页 |
| 5.3.7 语义扩展 | 第56-57页 |
| 5.3.8 深度学习 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 原型系统的构建 | 第59-66页 |
| 6.1 整体框架 | 第59-60页 |
| 6.2 词条相关度计算模块 | 第60页 |
| 6.3 文本预处理 | 第60-61页 |
| 6.4 特征选择 | 第61-62页 |
| 6.5 语义扩展 | 第62页 |
| 6.6 语义泛化 | 第62-63页 |
| 6.7 分类算法 | 第63-65页 |
| 6.8 深度学习 | 第65-66页 |
| 结论 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第73页 |