开放域问答系统问题理解关键技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第15-34页 |
| 1.1 课题的研究背景和意义 | 第15-17页 |
| 1.2 问答系统研究概述 | 第17-23页 |
| 1.2.1 问答系统定义及组成 | 第17-18页 |
| 1.2.2 问答系统的类别 | 第18-23页 |
| 1.3 国内外研究现状分析及发展趋势 | 第23-30页 |
| 1.3.1 中文问答系统问题理解研究概述 | 第24-27页 |
| 1.3.2 英文问答系统问题理解研究概述 | 第27-29页 |
| 1.3.3 问题理解存在的主要问题 | 第29-30页 |
| 1.4 本文的主要工作和创新点 | 第30-32页 |
| 1.5 本文组织结构 | 第32-34页 |
| 第2章 面向开放域问答的问题语义表征模型 | 第34-56页 |
| 2.1 引言 | 第34-35页 |
| 2.2 相关工作 | 第35-40页 |
| 2.2.1 问题语义表示方法的相关研究 | 第35-37页 |
| 2.2.2 问题语义成分的相关研究 | 第37-38页 |
| 2.2.3 问答系统中事件信息的相关研究 | 第38-39页 |
| 2.2.4 组块分析相关研究 | 第39-40页 |
| 2.3 融合事件信息的复杂类问题语义成分分析 | 第40-44页 |
| 2.3.1 事件语义 | 第40-42页 |
| 2.3.2 焦点语义 | 第42-43页 |
| 2.3.3 主题语义 | 第43-44页 |
| 2.4 基于语义组块的问题语义表征方法 | 第44-47页 |
| 2.4.1 问题语义组块结构的定义 | 第44-45页 |
| 2.4.2 基于QSCS的问题语义表征方法 | 第45页 |
| 2.4.3 基于QSR的开放域问答的问题理解 | 第45-47页 |
| 2.5 问题语义组块标注方法 | 第47-52页 |
| 2.5.1 组块标注体系 | 第47-49页 |
| 2.5.2 组块序列标注模型 | 第49-51页 |
| 2.5.3 语义组块标注示例 | 第51-52页 |
| 2.6 实验 | 第52-55页 |
| 2.6.1 实验语料 | 第52页 |
| 2.6.2 特征选择 | 第52-53页 |
| 2.6.3 评价标准 | 第53页 |
| 2.6.4 实验结果及分析 | 第53-55页 |
| 2.7 本章小结 | 第55-56页 |
| 第3章 基于主动学习的问题语义组块识别 | 第56-75页 |
| 3.1 引言 | 第56-57页 |
| 3.2 序列标注与主动学习 | 第57-62页 |
| 3.2.1 序列标注模型及算法 | 第57-58页 |
| 3.2.2 主动学习 | 第58-62页 |
| 3.3 问题语义组块识别的序列标注模型 | 第62-63页 |
| 3.4 基于主动学习的问题语义组块识别算法 | 第63-69页 |
| 3.4.1 SCRAL算法框架 | 第63-64页 |
| 3.4.2 语义信息密度查询策略 | 第64-68页 |
| 3.4.3 SCRAL学习框架及算法 | 第68-69页 |
| 3.5 实验结果及分析 | 第69-74页 |
| 3.5.1 实验数据来源 | 第69页 |
| 3.5.2 实验设置 | 第69-70页 |
| 3.5.3 实验目标及评价标准 | 第70-71页 |
| 3.5.4 实验结果比较分析 | 第71-74页 |
| 3.6 本章小结 | 第74-75页 |
| 第4章 基于问题语义表征的语义相似度计算 | 第75-93页 |
| 4.1 引言 | 第75-76页 |
| 4.2 相关工作 | 第76-80页 |
| 4.2.1 词语层面相似度计算 | 第76-79页 |
| 4.2.2 句法和语义层面相似度计算 | 第79页 |
| 4.2.3 多特征融合相似度计算 | 第79-80页 |
| 4.3 基于问题语义表征的相似度计算方法 | 第80-88页 |
| 4.3.1 计算原理及过程 | 第81-83页 |
| 4.3.2 最大均值法 | 第83-84页 |
| 4.3.3 语义块之间相似度计算 | 第84-86页 |
| 4.3.4 问题相似度 | 第86-87页 |
| 4.3.5 问题相似度权重系数计算方法 | 第87-88页 |
| 4.4 实验结果及分析 | 第88-92页 |
| 4.4.1 实验数据来源及实验方案设计 | 第88页 |
| 4.4.2 权重系数计算实验及结果分析 | 第88-90页 |
| 4.4.3 相似问题检索实验及结果分析 | 第90-91页 |
| 4.4.4 与其它方法比较 | 第91-92页 |
| 4.5 本章小结 | 第92-93页 |
| 第5章 基于耦合矩阵分解的社区问答问题相似度计算 | 第93-111页 |
| 5.1 引言 | 第93-94页 |
| 5.2 相关工作 | 第94-95页 |
| 5.3 社区问答相似度计算模型研究 | 第95-100页 |
| 5.3.1 社区问答问题特点分析 | 第95-96页 |
| 5.3.2 社区问答问题语义特征的选择 | 第96-97页 |
| 5.3.3 融合多种特征的耦合关系分析 | 第97-99页 |
| 5.3.4 基于LDA的问句主题聚类 | 第99-100页 |
| 5.4 耦合问题相似度模型 | 第100-103页 |
| 5.4.1 问题描述 | 第100-101页 |
| 5.4.2 耦合问题相似度计算模型 | 第101-103页 |
| 5.5 问题相似度耦合矩阵分解模型 | 第103-105页 |
| 5.6 实验与结果分析 | 第105-110页 |
| 5.6.1 数据集及预处理 | 第105-107页 |
| 5.6.2 评价标准 | 第107-108页 |
| 5.6.3 实验结果分析 | 第108-110页 |
| 5.7 本章小结 | 第110-111页 |
| 第6章 结论 | 第111-114页 |
| 6.1 本文研究工作总结 | 第111-112页 |
| 6.2 下一步的研究设想 | 第112-114页 |
| 参考文献 | 第114-126页 |
| 攻读博士学位期间发表的论文与研究成果清单 | 第126-127页 |
| 致谢 | 第127-128页 |
| 作者简介 | 第128页 |
