基于微博的意图识别
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题的背景和意义 | 第10-14页 |
| 1.1.1 课题的背景 | 第10-11页 |
| 1.1.2 研究的目的与意义 | 第11-14页 |
| 1.2 国内外现状和发展趋势 | 第14-17页 |
| 1.2.1 基于Web的查询意图研究 | 第14-15页 |
| 1.2.2 在线商业意图识别 | 第15页 |
| 1.2.3 微博中的意图识别 | 第15-16页 |
| 1.2.4 基于微博兴趣识别研究 | 第16-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.3.1 基于维基百科的显式意图识别 | 第17-18页 |
| 1.3.2 基于编码器-解码器的隐式意图识别 | 第18页 |
| 1.3.3 基于词向量与卷积神经网络的意图识别 | 第18页 |
| 1.4 本章小结 | 第18-20页 |
| 2 基于维基百科的显式意图识别 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 构建维基百科链路图 | 第20-21页 |
| 2.3 随机游走算法 | 第21-22页 |
| 2.4 显式语义分析 | 第22-23页 |
| 2.5 基于维基百科的显式意图识别 | 第23-24页 |
| 2.6 实验结果与分析 | 第24-29页 |
| 2.6.1 实验数据 | 第24-26页 |
| 2.6.2 实验结果与分析 | 第26-29页 |
| 2.7 本章小结 | 第29-30页 |
| 3 基于编码器-解码器的隐式意图识别 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 隐式意图的定义 | 第30-31页 |
| 3.3 编码器-解码器模型 | 第31-34页 |
| 3.3.1 基于循环神经网络的编码器-解码器模型 | 第31-33页 |
| 3.3.2 注意力模型 | 第33-34页 |
| 3.4 基于编码器-解码器模型的隐式意图识别 | 第34-37页 |
| 3.5 实验 | 第37-43页 |
| 3.5.1 数据收集 | 第37-38页 |
| 3.5.2 参数设置 | 第38-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于词向量与卷积神经网络的意图识别 | 第44-57页 |
| 4.1 引言 | 第44页 |
| 4.2 分布式词表示模型 | 第44-46页 |
| 4.3 卷积神经网络简介 | 第46-47页 |
| 4.4 用词向量和卷积神经网络进行意图识别 | 第47-49页 |
| 4.5 实验结果与分析 | 第49-56页 |
| 4.5.1 实验数据 | 第49-50页 |
| 4.5.2 实验中的参数设置 | 第50页 |
| 4.5.3 实验结果 | 第50-56页 |
| 4.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间学术论文及科研情况 | 第63-64页 |
| 致谢 | 第64-66页 |
