| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景及研究目的和意义 | 第8-10页 |
| 1.1.1 课题背景 | 第8-9页 |
| 1.1.2 课题研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.2.3 国内外研究现状简析 | 第12-13页 |
| 1.3 本文研究内容及章节安排 | 第13-17页 |
| 1.3.1 本文研究内容 | 第13-15页 |
| 1.3.2 本文章节安排 | 第15-17页 |
| 第2章 基于语义匹配方法的候选答案句抽取 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 文本相似度算法 | 第17-20页 |
| 2.2.1 基于空间向量的文本相似度 | 第17-19页 |
| 2.2.2 基于词语语义的文本相似度 | 第19-20页 |
| 2.3 基于词向量的语义匹配 | 第20-22页 |
| 2.4 基于知网的语义匹配 | 第22-24页 |
| 2.5 复述及上位词 | 第24页 |
| 2.6 语料库 | 第24-26页 |
| 2.6.1 语料收集 | 第25页 |
| 2.6.2 数据规范 | 第25-26页 |
| 2.7 实验与分析 | 第26-29页 |
| 2.7.1 实验方法 | 第26-27页 |
| 2.7.2 实验评价指标 | 第27-28页 |
| 2.7.3 实验结果及分析 | 第28-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第3章 基于支持向量机的候选答案句抽取 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 基于SVM模型的分类任务 | 第30-33页 |
| 3.2.1 SVM介绍 | 第31-32页 |
| 3.2.2 正负例不均衡 | 第32-33页 |
| 3.3 基于SVM模型的排序任务 | 第33-34页 |
| 3.3.1 SVM rank介绍 | 第33-34页 |
| 3.4 特征提取 | 第34-36页 |
| 3.5 实验结果与分析 | 第36-37页 |
| 3.5.1 实验设置与结果 | 第36-37页 |
| 3.5.2 实验分析 | 第37页 |
| 3.6 本章小结 | 第37-39页 |
| 第4章 基于深度学习的候选答案句抽取 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 卷积神经网络 | 第39-42页 |
| 4.2.1 卷积神经网络介绍 | 第39-40页 |
| 4.2.2 基于CNN的候选答案句抽取 | 第40-42页 |
| 4.3 循环神经网络网络 | 第42-49页 |
| 4.3.1 RNN介绍 | 第42-44页 |
| 4.3.2 LSTM介绍 | 第44-46页 |
| 4.3.3 基于LSTM与GRU的候选答案句抽取 | 第46-47页 |
| 4.3.4 Attention机制下的候选答案句抽取 | 第47-48页 |
| 4.3.5 CNN与GRU融合的候选答案句抽取 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-52页 |
| 4.4.1 实验设置 | 第49-50页 |
| 4.4.2 实验结果与分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读博士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60-61页 |