面向人机互动的自然语言理解的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 表格目录 | 第12-13页 |
| 插图目录 | 第13-14页 |
| 算法目录 | 第14-15页 |
| 第1章 绪论 | 第15-23页 |
| ·引言 | 第15-16页 |
| ·人机互动中的挑战 | 第16-18页 |
| ·动机与方法概述 | 第18-20页 |
| ·贡献 | 第20页 |
| ·组织结构 | 第20-23页 |
| 第2章 背景知识 | 第23-37页 |
| ·开放性知识 | 第23-24页 |
| ·可佳机器人体系结构 | 第24-27页 |
| ·基于回答集编程的任务规划 | 第27-29页 |
| ·组合范畴语法理论 | 第29-31页 |
| ·对数线性模型 | 第31-37页 |
| 第3章 开放性知识的语义提取 | 第37-51页 |
| ·概述 | 第37页 |
| ·多模式自然语言处理 | 第37-43页 |
| ·自然语言上的语义解析 | 第38-40页 |
| ·OMICS知识上的语义解析 | 第40-41页 |
| ·面向预设的语义修复 | 第41-43页 |
| ·实验与评价 | 第43-48页 |
| ·知识获取：来源于说明书 | 第44-45页 |
| ·知识获取：来源于OMICS | 第45-47页 |
| ·语义修复的性能 | 第47-48页 |
| ·相关工作 | 第48-49页 |
| ·总结 | 第49-51页 |
| 第4章 面向人机对话表示形式的语义解析 | 第51-71页 |
| ·概述 | 第51-52页 |
| ·人机对话表示形式 | 第52-59页 |
| ·回答集编程语言转换 | 第52-56页 |
| ·基于行动理论的语义解释 | 第56-59页 |
| ·概率语义解析 | 第59-65页 |
| ·概率组合范畴语法 | 第59-60页 |
| ·语义解析与学习 | 第60-65页 |
| ·实验与评价 | 第65-69页 |
| ·概率语义解析的性能 | 第65-67页 |
| ·整合OMICS知识的任务规划的性能 | 第67-69页 |
| ·相关工作 | 第69-70页 |
| ·总结 | 第70-71页 |
| 第5章 大规模自然语言指令理解 | 第71-85页 |
| ·概述 | 第71-72页 |
| ·方法综述 | 第72-74页 |
| ·问题 | 第72-73页 |
| ·模型 | 第73页 |
| ·学习算法 | 第73-74页 |
| ·词典传播 | 第74-79页 |
| ·初始词典 | 第74页 |
| ·图构建 | 第74-77页 |
| ·语义形式传播 | 第77-79页 |
| ·实验与评价 | 第79-82页 |
| ·实验设置 | 第79-80页 |
| ·实验结果与分析 | 第80-82页 |
| ·相关工作 | 第82-84页 |
| ·总结 | 第84-85页 |
| 第6章 总结与展望 | 第85-89页 |
| ·工作总结 | 第85-87页 |
| ·前景与展望 | 第87-89页 |
| 参考文献 | 第89-95页 |
| 附录 人机对话表示形式的语法定义 | 第95-97页 |
| 致谢 | 第97-99页 |
| 在读期间发表的学术论文与取得的研究成果 | 第99-101页 |
| 在读期间参与的学术活动 | 第101页 |
