面向移动终端的人机对话系统
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 前言 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 本文研究内容及贡献 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第二章 对话管理技术综述 | 第13-21页 |
| 2.1 基于模板匹配的方法 | 第13-14页 |
| 2.2 基于有限自动状态机的方法 | 第14-15页 |
| 2.3 基于填充槽的方法 | 第15-17页 |
| 2.4 基于MDP的对话管理模型 | 第17-18页 |
| 2.5 基于POMDP的对话管理模型 | 第18-19页 |
| 2.6 本章小结 | 第19-21页 |
| 第三章 人机对话系统相关技术 | 第21-30页 |
| 3.1 自动语音识别 | 第21-23页 |
| 3.1.1 动态时间规整 | 第22页 |
| 3.1.2 隐马尔科夫法 | 第22页 |
| 3.1.3 人工神经网络 | 第22页 |
| 3.1.4 支持向量机 | 第22-23页 |
| 3.2 中文文本分词技术 | 第23-25页 |
| 3.2.1 基于字符串匹配的方法 | 第24页 |
| 3.2.2 基于统计的分词方法 | 第24-25页 |
| 3.3 语言模型 | 第25-28页 |
| 3.3.1 N-Gram模型 | 第25-26页 |
| 3.3.2 参数估计与平滑 | 第26-27页 |
| 3.3.3 隐马尔可夫模型 | 第27-28页 |
| 3.4 WebService技术 | 第28-29页 |
| 3.4.1 WebService基本概念 | 第28-29页 |
| 3.4.2 WebService调用原理 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 面向用户教授意图的答案反馈方法 | 第30-38页 |
| 4.1 算法整体框架 | 第30-31页 |
| 4.2 最佳问句匹配 | 第31-33页 |
| 4.2.1 教授意图的定义 | 第31页 |
| 4.2.2 基于对话历史的最佳问题匹配 | 第31-32页 |
| 4.2.3 自动知识学习 | 第32-33页 |
| 4.3 教授意图下答案反馈 | 第33页 |
| 4.3.1 基于自我对话的深层答案获取 | 第33页 |
| 4.3.2 基于TextRank的最佳答案抽取 | 第33页 |
| 4.4 算法实验分析 | 第33-37页 |
| 4.4.1 最佳问题匹配 | 第33-34页 |
| 4.4.2 深层信息挖掘 | 第34-35页 |
| 4.4.3 最佳答案抽取 | 第35-36页 |
| 4.4.4 算法结果测试 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 系统设计与实现 | 第38-48页 |
| 5.1 系统的整体设计 | 第38-41页 |
| 5.1.1 系统的整体设计流程 | 第38-40页 |
| 5.1.2 系统功能说明 | 第40页 |
| 5.1.3 填充槽设计 | 第40-41页 |
| 5.2 系统界面设计 | 第41-42页 |
| 5.3 数据库设计 | 第42-44页 |
| 5.3.1 数据表设计 | 第42-43页 |
| 5.3.2 数据库更新 | 第43-44页 |
| 5.4 系统对话测试 | 第44-47页 |
| 5.4.1 系统测试结果 | 第44-47页 |
| 5.4.2 系统测试分析 | 第47页 |
| 5.5 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 作者攻读硕士期间相关科研情况 | 第55页 |
