| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 英文缩略表 | 第12-14页 |
| 第一章 引言 | 第14-31页 |
| ·课题研究背景 | 第14-22页 |
| ·自然语言处理技术 | 第15-16页 |
| ·信息检索技术 | 第16-18页 |
| ·信息抽取技术 | 第18-21页 |
| ·本体的发展 | 第21-22页 |
| ·农业问答系统 | 第22-27页 |
| ·问答系统的定义 | 第22-23页 |
| ·问答系统的组成 | 第23-24页 |
| ·问答系统的分类 | 第24-27页 |
| ·农业问答系统发展与应用 | 第27-29页 |
| ·本文研究内容与组织 | 第29-31页 |
| 第二章 基于农业本体的问句分析 | 第31-50页 |
| ·农业领域本体构建相关方法 | 第31-35页 |
| ·农业本体和农业叙词表 | 第31-33页 |
| ·本体学习相关工作 | 第33-34页 |
| ·本体关系学习方法 | 第34-35页 |
| ·基于互信息的农业本体学习方法 | 第35-38页 |
| ·互信息的定义 | 第36页 |
| ·文档集中互信息的计算 | 第36-38页 |
| ·问句分析 | 第38-49页 |
| ·问句分析相关工作 | 第40-41页 |
| ·问句预处理 | 第41页 |
| ·问句领域特征词识别 | 第41-45页 |
| ·问题分类 | 第45-49页 |
| ·本章总结 | 第49-50页 |
| 第三章 基于农业本体的信息检索模型 | 第50-58页 |
| ·传统信息检索模型 | 第50-54页 |
| ·布尔模型 | 第52页 |
| ·向量空间模型（Vector Space Model，VSM） | 第52-53页 |
| ·概率模型 | 第53-54页 |
| ·基于本体的信息检索表示模型 | 第54-55页 |
| ·基于领域本体的信息检索模型构建方法 | 第55-57页 |
| ·本章总结 | 第57-58页 |
| 第四章 面向农业领域的答案抽取模型 | 第58-71页 |
| ·主题模型 | 第59-64页 |
| ·一元混合模型 | 第60-61页 |
| ·隐性语义索引 | 第61-62页 |
| ·概率隐性语义索引 | 第62-64页 |
| ·LDA 模型 | 第64-67页 |
| ·LDA 主题模型生成文档过程 | 第65-66页 |
| ·参数估计 | 第66页 |
| ·基于 Gibbs 的 LDA 建模过程 | 第66-67页 |
| ·答案抽取算法 | 第67-69页 |
| ·文本分割 | 第67-68页 |
| ·段落主题提取 | 第68-69页 |
| ·提取答案 | 第69页 |
| ·本章总结 | 第69-71页 |
| 第五章 农业问答系统架构设计 | 第71-80页 |
| ·系统逻辑架构 | 第71-73页 |
| ·基于 HDFS 的问答系统存储架构 | 第73-75页 |
| ·MAPREDUCE 分布式计算模型 | 第75-77页 |
| ·基于 HBASE 的问答系统索引架构 | 第77-78页 |
| ·本章总结 | 第78-80页 |
| 第六章 农业问答系统实验与分析 | 第80-88页 |
| ·基于农业本体问句分析模型的实验结果与分析 | 第81-82页 |
| ·基于本体的信息检索模型的实验结果与分析 | 第82-84页 |
| ·面向农业领域答案抽取模型的实验结果与分析 | 第84-87页 |
| ·本章总结 | 第87-88页 |
| 第七章 总结与展望 | 第88-90页 |
| 参考文献 | 第90-103页 |
| 致谢 | 第103-104页 |
| 作者简历 | 第104页 |