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 |