| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略词表 | 第11-12页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 主要工作 | 第13-14页 |
| 1.3 本文结构安排 | 第14-15页 |
| 第二章 相关研究和背景知识 | 第15-32页 |
| 2.1 语义解析的相关研究 | 第15-25页 |
| 2.1.1 自然语言接口 | 第15页 |
| 2.1.2 基于机器学习的语义解析方法 | 第15-22页 |
| 2.1.3 基于神经网络的语义解析方法 | 第22-23页 |
| 2.1.4 其它语义解析方法 | 第23-24页 |
| 2.1.5 中文语义解析的相关研究 | 第24-25页 |
| 2.2 知识图谱简介 | 第25-27页 |
| 2.3 LSTM神经网络简介 | 第27-31页 |
| 2.3.1 循环神经网络 | 第27-28页 |
| 2.3.2 LSTM神经网络 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于LSTM Encoder-Decoder的语义解析模型 | 第32-39页 |
| 3.1 任务概述 | 第32页 |
| 3.2 Encoder-Decoder模型框架 | 第32-33页 |
| 3.3 基于LSTM Encoder-Decoder的语义解析模型 | 第33-34页 |
| 3.4 结合注意力机制的LSTM Encoder-Decoder语义解析模型 | 第34-36页 |
| 3.4.1 Encoder-Decoder模型的弊端 | 第34-35页 |
| 3.4.2 结合注意力机制 | 第35-36页 |
| 3.5 问句抽象 | 第36页 |
| 3.6 解析 | 第36-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 改进的基于LSTM Encoder-Decoder的语义解析模型 | 第39-47页 |
| 4.1 结合Tree-LSTM和LSTM的Encoder | 第39-43页 |
| 4.1.1 自然语言的句法结构 | 第39-40页 |
| 4.1.2 树形LSTM神经网络 | 第40-41页 |
| 4.1.3 基于Tree-LSTM+LSTM的Encoder | 第41-42页 |
| 4.1.4 Decoder的初始化 | 第42-43页 |
| 4.1.5 上下文环境向量的计算 | 第43页 |
| 4.2 改进的Slot-Decoder | 第43-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 实验设计与结果分析 | 第47-54页 |
| 5.1 实验环境 | 第47页 |
| 5.2 数据集构建 | 第47-49页 |
| 5.3 实验设置 | 第49页 |
| 5.3.1 评测指标 | 第49页 |
| 5.3.2 参数设置 | 第49页 |
| 5.4 实验结果与分析 | 第49-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 未来展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简介 | 第62页 |
