基于知识库的自动问答关键技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 知识库构建技术的发展现状 | 第12-14页 |
| 1.2.2 基于语义分析的方法研究现状 | 第14-15页 |
| 1.2.3 基于信息检索的方法研究现状 | 第15-16页 |
| 1.3 实验数据描述 | 第16-20页 |
| 1.3.1 知识库介绍 | 第16-18页 |
| 1.3.2 知识库预处理 | 第18-19页 |
| 1.3.3 问答数据集介绍 | 第19-20页 |
| 1.4 本文主要研究内容 | 第20-21页 |
| 1.4.1 知识库问答的问题定义 | 第20页 |
| 1.4.2 本文的主要研究思路 | 第20-21页 |
| 1.5 本文的内容安排 | 第21-23页 |
| 第2章 基于LSTM语言模型的命名实体识别 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 数据集构建 | 第23-25页 |
| 2.3 基于排序方法的命名实体识别 | 第25-28页 |
| 2.3.1 构建别名词典 | 第26-27页 |
| 2.3.2 获取候选命名实体 | 第27-28页 |
| 2.4 基于LSTM语言模型的打分模型 | 第28-36页 |
| 2.4.1 统计语言模型 | 第29-30页 |
| 2.4.2 LSTM相关技术 | 第30-33页 |
| 2.4.3 使用LSTM建立语言模型 | 第33-35页 |
| 2.4.4 命名实体词汇特征 | 第35-36页 |
| 2.5 实验结果与分析 | 第36-40页 |
| 2.5.1 基线方法及其实验结果 | 第36-38页 |
| 2.5.2 LSTM语言模型实验结果 | 第38-40页 |
| 2.6 本章小节 | 第40-41页 |
| 第3章 基于卷积神经网络的问句属性映射 | 第41-63页 |
| 3.1 引言 | 第41-42页 |
| 3.2 数据集构建 | 第42-43页 |
| 3.3 神经网络相关技术 | 第43-49页 |
| 3.3.1 卷积神经网络 | 第43-48页 |
| 3.3.2 暹罗网络 | 第48-49页 |
| 3.4 基于卷积神经网络的属性映射 | 第49-52页 |
| 3.4.1 暹罗卷积神经网络 | 第49-51页 |
| 3.4.2 语义相似度计算 | 第51-52页 |
| 3.5 融合注意力机制进行属性映射 | 第52-56页 |
| 3.5.1 注意力机制 | 第52-53页 |
| 3.5.2 融合注意力机制的卷积神经网络 | 第53-56页 |
| 3.6 实验结果及分析 | 第56-62页 |
| 3.6.1 基线方法及其实验结果 | 第56-59页 |
| 3.6.2 卷积神经网络实验结果 | 第59-62页 |
| 3.7 本章小结 | 第62-63页 |
| 第4章 基于LSTM模型的问句属性映射 | 第63-80页 |
| 4.1 引言 | 第63页 |
| 4.2 神经网络相关技术 | 第63-65页 |
| 4.2.1 双向LSTM | 第63-64页 |
| 4.2.2 Dropout方法 | 第64-65页 |
| 4.3 基于LSTM的属性映射 | 第65-67页 |
| 4.3.1 单向LSTM | 第66页 |
| 4.3.2 双向LSTM | 第66-67页 |
| 4.4 融合注意力机制进行属性映射 | 第67-69页 |
| 4.4.1 静态注意力机制 | 第67-68页 |
| 4.4.2 输入前注意力机制 | 第68-69页 |
| 4.5 答案选择 | 第69-71页 |
| 4.5.1 候选命名实体重排序 | 第69-70页 |
| 4.5.2 获取答案集合 | 第70-71页 |
| 4.6 实验结果及分析 | 第71-79页 |
| 4.6.1 基于LSTM的属性映射实验结果 | 第71-73页 |
| 4.6.2 问答实验结果 | 第73-79页 |
| 4.7 本章小节 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士期间发表的学术论文 | 第88-90页 |
| 致谢 | 第90页 |
