| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 自动应答系统的国内外研究现状 | 第9-10页 |
| 1.3 客服微博自动应答系统的特点 | 第10-12页 |
| 1.4 论文主要研究内容及创新点 | 第12页 |
| 1.5 论文的组织内容 | 第12-14页 |
| 第二章 自动应答系统的关键技术 | 第14-25页 |
| 2.1 自动应答系统的结构 | 第14-15页 |
| 2.2 查询分析模块 | 第15-17页 |
| 2.3 文档库建模模块 | 第17-24页 |
| 2.3.1 文本聚类算法 | 第18-23页 |
| 2.3.2 标签抽取算法 | 第23-24页 |
| 2.4 信息检索模块 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 改进的LDA文本聚类方法 | 第25-37页 |
| 3.1 聚类算法的选择 | 第25-27页 |
| 3.1.1 LDA主题模型 | 第25-26页 |
| 3.1.2 LDA主题模型的不足 | 第26-27页 |
| 3.2 改进的基于Canopy算法文本聚类方法 | 第27-30页 |
| 3.2.1 Canopy聚类算法 | 第27-28页 |
| 3.2.2 基于Canopy算法的LDA聚类算法 | 第28-30页 |
| 3.3 评价指标 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-36页 |
| 3.4.1 实验数据集 | 第31-32页 |
| 3.4.2 结果对比分析 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于语义信息的Text Rank标签抽取算法 | 第37-48页 |
| 4.1 Text Rank标签抽取算法 | 第37-40页 |
| 4.1.1 Page Rank算法 | 第37-38页 |
| 4.1.2 Text Rank标签抽取算法 | 第38-40页 |
| 4.2 改进的Text Rank标签抽取算法 | 第40-45页 |
| 4.2.1 基于词向量的语义信息表示 | 第40-43页 |
| 4.2.2 改进的基于语义信息的Text Rank标签抽取算法 | 第43-45页 |
| 4.3 评价指标 | 第45页 |
| 4.4 实验对比及分析 | 第45-47页 |
| 4.4.1 实验数据集 | 第46页 |
| 4.4.2 结果对比分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 系统设计与实现 | 第48-55页 |
| 5.1 系统整体架构设计 | 第48-49页 |
| 5.2 系统子模块设计与实现 | 第49-52页 |
| 5.2.1 查询分析模块 | 第49-50页 |
| 5.2.2 文档库建模模块 | 第50-51页 |
| 5.2.3 信息检索模块 | 第51-52页 |
| 5.2.4 客服管理模块 | 第52页 |
| 5.3 系统整体性能测试 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 6.1 全文总结 | 第55-56页 |
| 6.2 下一步工作的展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |