| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 2 相关理论与技术 | 第13-20页 |
| 2.1 自然语言处理 | 第13-15页 |
| 2.1.1 中文分词 | 第13页 |
| 2.1.2 词性标注 | 第13-14页 |
| 2.1.3 命名实体识别 | 第14页 |
| 2.1.4 句法分析 | 第14-15页 |
| 2.2 关键词的抽取与扩展 | 第15-17页 |
| 2.2.1 关键词的抽取 | 第15页 |
| 2.2.2 关键词的扩展 | 第15-17页 |
| 2.3 数据模型 | 第17-18页 |
| 2.3.1 数据模型概述 | 第17-18页 |
| 2.3.2 主要的数据模型 | 第18页 |
| 2.4 Jena介绍 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 本科评估问答系统需求分析 | 第20-24页 |
| 3.1 系统参与者 | 第20页 |
| 3.2 功能需求分析 | 第20-22页 |
| 3.2.1 用户功能需求分析 | 第20-21页 |
| 3.2.2 管理员功能需求分析 | 第21页 |
| 3.2.3 系统功能用例分析 | 第21-22页 |
| 3.3 非功能需求分析 | 第22-23页 |
| 3.4 本章小结 | 第23-24页 |
| 4 本科评估问答系统自动问答功能关键技术研究 | 第24-44页 |
| 4.1 本科评估领域数据源的获取与预处理 | 第24-26页 |
| 4.2 基于自然语言处理的本科评估领域分词算法 | 第26-35页 |
| 4.2.1 本科评估领域专有词典构造 | 第26-28页 |
| 4.2.2 基于词典的FMM(正向最大匹配)分词 | 第28-29页 |
| 4.2.3 基于统计的HMM(隐马尔可夫模型)分词 | 第29-31页 |
| 4.2.4 基于N-gram算法的分词结果优选 | 第31-34页 |
| 4.2.5 FMM和HMM相结合的分词准确率对比实验 | 第34-35页 |
| 4.3 本科评估领域问句中关键词的标准化处理 | 第35-37页 |
| 4.3.1 本科评估领域标准化词典构造 | 第35-36页 |
| 4.3.2 问句中关键词的标准化处理 | 第36-37页 |
| 4.4 本科评估领域知识数据模型自动化构建 | 第37-42页 |
| 4.4.1 问答集数据的知识数据模型构建 | 第37-40页 |
| 4.4.2 知识点数据的知识数据模型构建 | 第40-42页 |
| 4.5 基于知识数据模型的自动问答整体结构设计 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 本科评估问答系统设计与实现 | 第44-60页 |
| 5.1 本科评估问答系统设计 | 第44-52页 |
| 5.1.1 系统框架结构设计 | 第44-45页 |
| 5.1.2 系统总体功能设计 | 第45页 |
| 5.1.3 系统类图设计 | 第45-46页 |
| 5.1.4 系统主要功能模块详细设计 | 第46-50页 |
| 5.1.5 系统数据库设计 | 第50-52页 |
| 5.2 本科评估问答系统实现 | 第52-56页 |
| 5.2.1 系统开发环境 | 第52页 |
| 5.2.2 系统实现 | 第52-56页 |
| 5.3 本科评估问答系统测试 | 第56-58页 |
| 5.3.1 功能测试 | 第56-57页 |
| 5.3.2 性能测试 | 第57-58页 |
| 5.4 本科评估问答系统部署环境 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 总结和展望 | 第60-61页 |
| 6.1 本文工作总结 | 第60页 |
| 6.2 下一步工作和展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 硕士学位期间取得的科研成果 | 第64-65页 |
| 自动化构建知识数据模型主要代码 | 第65-71页 |
| 致谢 | 第71页 |