| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景与意义 | 第11-13页 |
| 1.1.1 卷积神经网络的研究背景与意义 | 第11-12页 |
| 1.1.2 机器人对话系统的研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的研究内容 | 第15页 |
| 1.4 论文的章节安排 | 第15-17页 |
| 第2章 对话系统相关理论研究 | 第17-31页 |
| 2.1 神经网络算法综述 | 第17-21页 |
| 2.1.1 人工神经网络 | 第17-19页 |
| 2.1.2 多层前馈网络 | 第19页 |
| 2.1.3 反向传播神经网络 | 第19-20页 |
| 2.1.4 卷积神经网络 | 第20-21页 |
| 2.2 语义匹配的关键技术 | 第21-22页 |
| 2.2.1 基于语义词典的语义相似度 | 第21-22页 |
| 2.2.2 基于上下文的语义相似度 | 第22页 |
| 2.3 Word2Vec介绍 | 第22-26页 |
| 2.4 句子相似度的常见方法 | 第26-29页 |
| 2.4.1 基于TF-IDF的计算方法 | 第26-28页 |
| 2.4.2 基于语义的计算方法 | 第28页 |
| 2.4.3 基于编辑距离的计算方法 | 第28-29页 |
| 2.4.4 基于词序的方法 | 第29页 |
| 2.5 卷积神经网络计算框架比较 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于卷积神经网络对话系统的构建 | 第31-43页 |
| 3.1 基于卷积神经网络对话系统的总体流程 | 第31页 |
| 3.2 聊天库的构建 | 第31-32页 |
| 3.3 训练集的构建 | 第32-34页 |
| 3.4 预处理过程 | 第34-36页 |
| 3.4.1 句子分词 | 第34-36页 |
| 3.4.2 去除停用词 | 第36页 |
| 3.5 词向量编码 | 第36-38页 |
| 3.5.1 编码中存在的问题 | 第36-37页 |
| 3.5.2 Word2Vec构建中文词向量 | 第37-38页 |
| 3.5.3 词向量编码过程 | 第38页 |
| 3.6 语义匹配 | 第38-39页 |
| 3.7 词向量分解 | 第39-40页 |
| 3.8 特征向量组合 | 第40-41页 |
| 3.9 句子相似度计算 | 第41-42页 |
| 3.10 答案输出 | 第42页 |
| 3.11 本章小结 | 第42-43页 |
| 第4章 实验结果分析 | 第43-49页 |
| 4.1 界面设计 | 第43页 |
| 4.2 检测库的构建 | 第43-44页 |
| 4.3 聊天对话的展示 | 第44-45页 |
| 4.4 结果对比 | 第45-48页 |
| 4.4.1 基于TF-IDF计算方法的实验结果和分析 | 第45-46页 |
| 4.4.2 基于卷积神经网络对话系统的实验结果和分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-52页 |
| 5.1 本文总结 | 第49-50页 |
| 5.2 存在问题 | 第50页 |
| 5.3 工作展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |