| 论文创新点 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 论文研究背景及意义 | 第13-18页 |
| 1.1.1 研究背景 | 第13-15页 |
| 1.1.2 文本蕴涵—一种文本推理的通用框架 | 第15-18页 |
| 1.2 国内外研究现状及分析 | 第18-21页 |
| 1.2.1 国内外研究现状 | 第18-19页 |
| 1.2.2 存在的问题 | 第19-21页 |
| 1.3 本文研究内容及创新 | 第21-23页 |
| 1.4 本文组织结构 | 第23-24页 |
| 1.5 本章小结 | 第24-25页 |
| 第二章 文本蕴涵识别基础 | 第25-42页 |
| 2.1 RTE介绍 | 第25-27页 |
| 2.2 识别文本蕴涵 | 第27-38页 |
| 2.2.1 文本蕴涵识别的通用框架 | 第27页 |
| 2.2.2 文本蕴涵语料的构建 | 第27-31页 |
| 2.2.3 文本蕴涵的识别 | 第31-36页 |
| 2.2.4 蕴涵规则提取 | 第36-37页 |
| 2.2.5 文本蕴涵系统的评估 | 第37-38页 |
| 2.3 文本蕴涵的相关资源 | 第38-39页 |
| 2.4 其它相关工作 | 第39-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 基于Co-training的文本蕴涵识别 | 第42-62页 |
| 3.1 基于SVM的文本蕴涵识别 | 第42-45页 |
| 3.2 基于Co-training的半监督SVM学习 | 第45-48页 |
| 3.2.1 半监督学习 | 第46-47页 |
| 3.2.2 基于Co-training的半监督SVM学习 | 第47-48页 |
| 3.3 文本蕴涵识别的Co-training策略 | 第48-58页 |
| 3.3.1 文本蕴涵视图 | 第48-50页 |
| 3.3.2 Co-training算法 | 第50页 |
| 3.3.3 分类器设计 | 第50-51页 |
| 3.3.4 分类特征 | 第51-58页 |
| 3.4 实验结果及分析 | 第58-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 基于事件模型的文本蕴涵识别 | 第62-85页 |
| 4.1 基于深层语义分析的蕴涵识别 | 第62-63页 |
| 4.2 事件模型 | 第63-69页 |
| 4.2.1 事件 | 第63-65页 |
| 4.2.2 事件的语言学基础 | 第65页 |
| 4.2.3 事件间的关系 | 第65-69页 |
| 4.2.4 事件模型 | 第69页 |
| 4.3 事件模型的自动构建 | 第69-79页 |
| 4.3.1 构建事件模型 | 第69-71页 |
| 4.3.2 扩充事件模型 | 第71-79页 |
| 4.4 基于事件模型的推理 | 第79-80页 |
| 4.5 实验结果及分析 | 第80-84页 |
| 4.6 本章小结 | 第84-85页 |
| 第五章 基于文本蕴涵识别的问答系统 | 第85-102页 |
| 5.1 问答系统概述 | 第85-89页 |
| 5.1.1 问答系统结构 | 第85-87页 |
| 5.1.2 研究现状 | 第87-89页 |
| 5.2 基于文本蕴涵识别的问答系统架构 | 第89-90页 |
| 5.3 基于文本蕴涵识别的问题理解 | 第90-92页 |
| 5.4 基于文本蕴涵识别的检索 | 第92-93页 |
| 5.5 基于文本蕴涵识别的答案抽取 | 第93-94页 |
| 5.6 系统实现 | 第94-97页 |
| 5.6.1 问句预处理 | 第95页 |
| 5.6.2 文档和段落检索 | 第95-96页 |
| 5.6.3 答案抽取 | 第96-97页 |
| 5.7 实验结果及分析 | 第97-101页 |
| 5.8 本章小结 | 第101-102页 |
| 第六章 结论与展望 | 第102-104页 |
| 6.1 结论 | 第102-103页 |
| 6.2 下一步工作 | 第103-104页 |
| 参考文献 | 第104-118页 |
| 图表索引 | 第118-120页 |
| 攻读博士学位期间科研情况 | 第120-122页 |
| 致谢 | 第122页 |