面向问答社区的抽取式答案融合研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 答案选择研究现状 | 第10-12页 |
| 1.2.2 句子匹配研究现状 | 第12-13页 |
| 1.3 任务的难点和本文研究思路 | 第13-14页 |
| 1.4 本文研究内容及结构安排 | 第14-16页 |
| 第2章 基于传统机器学习的答案选择 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 实验数据集与预处理 | 第16-18页 |
| 2.3 基于传统机器学习的答案选择 | 第18-21页 |
| 2.3.1 特征提取 | 第18-20页 |
| 2.3.2 实验模型介绍 | 第20-21页 |
| 2.4 实验设置与结果分析 | 第21-24页 |
| 2.4.1 评估标准 | 第21-22页 |
| 2.4.2 特征组合与参数调优 | 第22-23页 |
| 2.4.3 实验结果分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于深度学习模型的答案选择 | 第25-45页 |
| 3.1 引言 | 第25-26页 |
| 3.2 深度学习相关技术介绍 | 第26-31页 |
| 3.2.1 词向量技术 | 第26-29页 |
| 3.2.2 注意力机制 | 第29-31页 |
| 3.3 基于深度学习模型的答案选择 | 第31-40页 |
| 3.3.1 模型输入之词向量 | 第31-32页 |
| 3.3.2 基于卷积神经网络的模型构建 | 第32-34页 |
| 3.3.3 基于长短时记忆网络的模型构建 | 第34-37页 |
| 3.3.4 实验结果与分析 | 第37-40页 |
| 3.4 融合注意力机制的答案选择 | 第40-44页 |
| 3.4.1 基于句内注意力机制的模型构建 | 第40-42页 |
| 3.4.2 基于层叠注意力机制的模型构建 | 第42-43页 |
| 3.4.3 实验结果与分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于深度学习模型的句子匹配 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 实验数据集与预处理 | 第46页 |
| 4.3 基于多特征融合的句子匹配算法 | 第46-48页 |
| 4.4 基于深度学习模型的句子匹配 | 第48-53页 |
| 4.4.1 基于句间注意力机制的模型构建 | 第48-50页 |
| 4.4.2 基于语义对齐机制的模型构建 | 第50-53页 |
| 4.5 实验结果与分析 | 第53-55页 |
| 4.5.1 评估标准 | 第53-54页 |
| 4.5.2 实验结果与分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 答案融合系统的设计与实现 | 第56-64页 |
| 5.1 引言 | 第56页 |
| 5.2 答案融合系统模块化框架 | 第56-57页 |
| 5.3 答案融合系统各模块详细设计 | 第57-60页 |
| 5.3.1 答案选择模块 | 第57-59页 |
| 5.3.2 答案融合模块 | 第59-60页 |
| 5.4 答案融合系统功能展示 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-73页 |
| 致谢 | 第73页 |
