首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

开放域阅读理解关键技术研究

摘要第1-6页
Abstract第6-14页
第1章 绪论第14-39页
   ·关于开放域阅读理解技术第14-15页
   ·选题的背景和意义第15-19页
     ·对开放域问答技术研究的意义第17-19页
     ·对自然语言处理技术研究的意义第19页
   ·阅读理解技术的研究历史与现状第19-25页
     ·传统的阅读理解技术研究第19-23页
     ·开放域阅读理解技术的研究第23-25页
   ·开放域问答技术的问题分析与答案抽取研究现状第25-36页
     ·事实与列举型问题的处理第26-31页
     ·定义型问题的处理第31-33页
     ·复杂问题的处理第33-34页
     ·中文开放域问答的问题分析与答案抽取研究第34-36页
   ·本文的主要研究内容第36-39页
第2章 基于线索词识别和训练集扩展的问题分类第39-65页
   ·引言第39-40页
   ·中文问题类别体系的设置第40-42页
   ·以疑问词和焦点词为线索的分类方法第42-44页
   ·线索词的自动识别第44-48页
     ·中文问题中的疑问词第44-45页
     ·中文问题中的焦点词第45-46页
     ·基于CRFs 模型的线索词识别第46-48页
   ·基于线索词词义距离的最近邻分类第48-50页
   ·基于训练集自动扩展的SVM 分类第50-52页
     ·训练集的自动扩展第50-52页
     ·特征选择第52页
   ·实验结果与分析第52-64页
     ·实验数据与评价方法第52-54页
     ·线索词识别实验结果和分析第54-56页
     ·词义最近邻方法实验结果第56-57页
     ·选择不同特征时的SVM 分类实验结果第57页
     ·训练集自动扩展后的SVM 分类实验结果第57-59页
     ·结合方法实验结果第59-60页
     ·在英文语料上的实验结果与分析第60-64页
   ·本章小结第64-65页
第3章 基于语法和语义树核的答案句抽取第65-82页
   ·引言第65页
   ·基于语法和语义树核的答案句抽取方法第65-70页
     ·问句到陈述句形式的转换第66-67页
     ·浅层语义结构的树状表示第67-68页
     ·基于问题与句子间语义树核计算的答案句抽取方法第68-69页
     ·基于Tree Kernel SVM 分类的答案句抽取方法第69-70页
   ·问题与候选句间浅层语义树核的相似度计算第70-72页
     ·基于树核的浅层语义树状结构相似度计算第70-71页
     ·浅层语义树核中结点产生式的相似性判断第71-72页
   ·基于Tree Kernel SVM 进行答案句分类方法的特征选择第72-75页
   ·实验第75-80页
     ·实验设置第75-77页
     ·实验结果与分析第77-80页
   ·本章小结第80-82页
第4章 基于概念图匹配方法的答案抽取第82-102页
   ·引言第82-83页
   ·基于概念图匹配方法的处理结构第83-84页
   ·基于概念图匹配模型的答案抽取第84-97页
     ·概念图第84-85页
     ·篇章和问题的语言处理第85-87页
     ·篇章和问题概念图的构建第87-92页
     ·答案抽取第92-97页
   ·实验及分析第97-100页
     ·语料与评测方法第97页
     ·实验结果与分析第97-100页
   ·本章小结第100-102页
第5章 基于话题和修辞识别的原因问题答案句抽取第102-121页
   ·引言第102-103页
   ·对已有方法的总结分析第103-104页
   ·原因型问题及其答案的形式分析第104-107页
   ·基于话题和修辞识别的原因型问题答案句抽取方法第107-116页
     ·对应问题话题的相似句子识别第107-111页
     ·话题间因果修辞关系识别第111-114页
     ·特征选择第114-116页
   ·实验与分析第116-120页
     ·实验设置第116-117页
     ·实验结果与分析第117-120页
   ·本章小结第120-121页
结论第121-124页
参考文献第124-135页
附录第135-138页
攻读博士学位期间发表的论文第138-140页
致谢第140-141页
个人简历第141页

论文共141页,点击 下载论文
上一篇:水平井牵引机器人关键技术研究
下一篇:先进电力录波系统信息处理与数据压缩技术研究