| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 存在的主要问题 | 第14-15页 |
| 1.4 论文主要研究内容 | 第15-17页 |
| 第二章 相关理论知识 | 第17-25页 |
| 2.1 统计自然语言处理基础 | 第17-19页 |
| 2.1.1 概率上下文无关文法 | 第18-19页 |
| 2.2 信息抽取 | 第19-20页 |
| 2.3 排序学习 | 第20-24页 |
| 2.3.1 机器学习的基本思路 | 第21-22页 |
| 2.3.2 单文档方法(PointWise Approach) | 第22-23页 |
| 2.3.3 文档对方法(PairWise Approach) | 第23-24页 |
| 2.3.4 文档列表方法(ListWise Approach) | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 聊天机器人架构概述 | 第25-31页 |
| 3.1 聊天机器人系统的架构定义 | 第25页 |
| 3.2 对话理解的处理流程 | 第25-27页 |
| 3.2.1 问题分类 | 第25-26页 |
| 3.2.2 语法分析 | 第26-27页 |
| 3.2.3 关键词抽取 | 第27页 |
| 3.3 答案产生部件 | 第27-28页 |
| 3.4 对话管理器 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 对话理解模型的研究 | 第31-39页 |
| 4.1 对话理解模型研究的意义 | 第31页 |
| 4.2 对话理解的方法论 | 第31-32页 |
| 4.3 影响对话理解模型的因素 | 第32-35页 |
| 4.3.1 聊天机器人系统中输入问题的特点 | 第32-34页 |
| 4.3.2 聊天机器人系统知识库的知识的特点 | 第34-35页 |
| 4.4 对话理解模型 | 第35-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 问答系统中候选答案排序算法的研究 | 第39-49页 |
| 5.1 引言 | 第39页 |
| 5.2 Listwise排序学习算法 | 第39-44页 |
| 5.2.1 排列概率 | 第40-41页 |
| 5.2.2 Top k概率 | 第41-42页 |
| 5.2.3 学习方法ListNet | 第42-44页 |
| 5.3 Listwise learning to rank方法在聊天答案排序中的应用 | 第44-46页 |
| 5.4 实验与分析 | 第46-48页 |
| 5.4.1 实验数据准备 | 第46页 |
| 5.4.2 排序性能评价指标 | 第46-47页 |
| 5.4.3 排序准确度分析 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 话语理解系统原型设计与实现 | 第49-57页 |
| 6.1 引言 | 第49页 |
| 6.2 聊天机器人系统的架构 | 第49-51页 |
| 6.3 聊天服务器系统中的处理部件 | 第51-53页 |
| 6.3.1 聊天会话部件 | 第51页 |
| 6.3.2 策略中心部件 | 第51-52页 |
| 6.3.3 AIML部件 | 第52页 |
| 6.3.4 正则匹配器部件 | 第52页 |
| 6.3.5 FAQ部件 | 第52-53页 |
| 6.3.6 自然语言处理(NLP)部件 | 第53页 |
| 6.4 实验方案和实验结果分析 | 第53-56页 |
| 6.4.1 聊天机器人原型系统的性能 | 第54-55页 |
| 6.4.2 知识量对理解性能和用户满意度的影响 | 第55-56页 |
| 6.5 本章小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-59页 |
| 7.1 总结 | 第57-58页 |
| 7.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表学术论文目录 | 第63页 |
