基于领域知识的自动答题方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的背景及意义 | 第9-10页 |
| 1.3 国内外相关技术研究现状 | 第10-16页 |
| 1.3.1 问答系统研究现状 | 第10-13页 |
| 1.3.2 自动答题系统研究现状 | 第13-14页 |
| 1.3.3 相关技术介绍 | 第14-16页 |
| 1.4 本文的主要研究内容 | 第16页 |
| 1.5 本文的章节组织 | 第16-18页 |
| 第2章 数据预处理与平台搭建 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 历史试题分析 | 第18-21页 |
| 2.3 领域知识库构建 | 第21-24页 |
| 2.3.1 数据采集及存储 | 第21-23页 |
| 2.3.2 检索系统 | 第23-24页 |
| 2.4 文言材料处理 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于知识库的候选答案发现 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 基于领域知识的答题系统构建 | 第27-28页 |
| 3.3 基于词的候选答案检索 | 第28-34页 |
| 3.3.1 关键词提取 | 第28-31页 |
| 3.3.2 候选文档检索 | 第31-32页 |
| 3.3.3 置信度计算 | 第32-34页 |
| 3.4 基于卷积神经网络的候选答案发现 | 第34-38页 |
| 3.4.1 词向量 | 第34-36页 |
| 3.4.2 深度卷积神经网络模型 | 第36-37页 |
| 3.4.3 基于卷积神经网络的问答匹配方法 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于多文档的答案生成 | 第39-45页 |
| 4.1 引言 | 第39页 |
| 4.2 多文档的去重及合并 | 第39页 |
| 4.3 基于聚类和词图的答案生成 | 第39-44页 |
| 4.3.1 文本聚类 | 第40-41页 |
| 4.3.2 基于词图的答案生成 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验结果及分析 | 第45-52页 |
| 5.1 引言 | 第45页 |
| 5.2 常用评价指标 | 第45-46页 |
| 5.3 文言文判别模型分析 | 第46-47页 |
| 5.3.1 实验设计 | 第46页 |
| 5.3.2 实验结果分析 | 第46-47页 |
| 5.4 知识库对答案的覆盖度分析 | 第47-48页 |
| 5.4.1 实验设计 | 第47页 |
| 5.4.2 实验结果分析 | 第47-48页 |
| 5.5 问答匹配模型实验分析 | 第48-49页 |
| 5.5.1 实验设计 | 第48页 |
| 5.5.2 实验结果分析 | 第48-49页 |
| 5.6 自动答题系统性能分析 | 第49-51页 |
| 5.6.1 实验设计 | 第49-50页 |
| 5.6.2 评价指标 | 第50页 |
| 5.6.3 实验结果分析 | 第50-51页 |
| 5.7 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-61页 |
| 致谢 | 第61页 |
