基于神经网络的问答系统关键技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 问答系统的研究现状 | 第12-13页 |
| 1.2.2 答案选择的研究现状 | 第13-15页 |
| 1.3 论文的主要工作与结构安排 | 第15-18页 |
| 1.3.1 主要工作 | 第15-16页 |
| 1.3.2 论文结构安排 | 第16-18页 |
| 第二章 答案选择相关理论概述 | 第18-32页 |
| 2.1 语言模型与神经网络 | 第18-21页 |
| 2.1.1 语言模型 | 第18-19页 |
| 2.1.2 神经网络语言模型与词向量 | 第19-21页 |
| 2.2 文本表示的相关技术 | 第21-24页 |
| 2.3 神经网络与深度学习简介 | 第24-30页 |
| 2.3.1 前馈神经网络 | 第24-26页 |
| 2.3.2 卷积神经网络 | 第26-28页 |
| 2.3.3 循环神经网络 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于神经网络的答案选择模型 | 第32-54页 |
| 3.1 答案选择的整体框架 | 第32-33页 |
| 3.1.1 问题描述 | 第32-33页 |
| 3.1.2 整体框架 | 第33页 |
| 3.2 词语向量化模块 | 第33-37页 |
| 3.2.1 词语向量化模块理论分析 | 第33-35页 |
| 3.2.2 词语向量化模块流程 | 第35-37页 |
| 3.3 语义计算模块 | 第37-43页 |
| 3.3.1 语义计算模块分析 | 第37-38页 |
| 3.3.2 语义计算模块实现 | 第38-43页 |
| 3.4 句子向量化模块 | 第43-49页 |
| 3.4.1 基于卷积神经网络的句子向量化 | 第43-46页 |
| 3.4.2 基于循环神经网络的句子向量化 | 第46-49页 |
| 3.5 评分计算模块 | 第49-51页 |
| 3.6 本章小结 | 第51-54页 |
| 第四章 实验结果及分析 | 第54-66页 |
| 4.1 实验数据集与评价指标 | 第54-55页 |
| 4.2 实验说明 | 第55-57页 |
| 4.3 实验结果与分析 | 第57-65页 |
| 4.3.1 传统模型的实验结果与分析 | 第57-58页 |
| 4.3.2 神经网络模型的实验结果与分析 | 第58-61页 |
| 4.3.3 语义计算模块的实验结果与分析 | 第61-63页 |
| 4.3.4 增加额外特征的实验结果与分析 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 全文工作总结 | 第66-67页 |
| 5.2 下一步工作的展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
