金融知识自动问答中的新词发现及答案排序方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15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10-13页 |
| 1.3.1 自动问答系统研究现状 | 第10-11页 |
| 1.3.2 新词发现的研究现状 | 第11-12页 |
| 1.3.3 候选答案排序方法研究现状 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-14页 |
| 1.5 本文的章节结构 | 第14-15页 |
| 第2章 问答库构建及问答系统总体设计 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 金融知识问答库的构建 | 第15-19页 |
| 2.2.1 日常对话领域问答库 | 第15页 |
| 2.2.2 股票和债券基本信息问答库 | 第15-16页 |
| 2.2.3 股票和债券实时数据信息库 | 第16-18页 |
| 2.2.4 金融知识自由问答库 | 第18-19页 |
| 2.3 问答系统总体设计 | 第19-23页 |
| 2.3.1 问题预处理模块 | 第20页 |
| 2.3.2 问题理解分类模块 | 第20-21页 |
| 2.3.3 候选答案排序与检索模块 | 第21-22页 |
| 2.3.4 三方交互模块 | 第22页 |
| 2.3.5 系统总体流程算法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 新词发现与混合问题分类 | 第24-35页 |
| 3.1 金融领域内新词的发现与抽取 | 第24-30页 |
| 3.1.1 新词的定义和特点 | 第24-26页 |
| 3.1.2 互信息与词汇聚合度 | 第26-28页 |
| 3.1.3 信息熵与词汇灵活度 | 第28-29页 |
| 3.1.4 新词的识别 | 第29-30页 |
| 3.2 混合问题分类及信息的抽取 | 第30-34页 |
| 3.2.1 问题的预处理 | 第30-31页 |
| 3.2.2 问题类型分类与信息提取 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 候选答案的排序与抽取 | 第35-47页 |
| 4.1 句子关键词提取 | 第35-37页 |
| 4.1.1 基于TF-IDF的关键词提取 | 第35-36页 |
| 4.1.2 基于TextRank的关键词提取 | 第36-37页 |
| 4.2 语句相关度计算与候选答案排序方法 | 第37-46页 |
| 4.2.1 基于编辑距离的语句相关度计算 | 第38页 |
| 4.2.2 词向量的介绍 | 第38-40页 |
| 4.2.3 基于词向量的语句相关度计算 | 第40-41页 |
| 4.2.4 基于关键词与词权重的语句相关度计算 | 第41-43页 |
| 4.2.5 基于句子相关度与CNN的候选答案排序 | 第43-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 实验结果及分析 | 第47-60页 |
| 5.1 实验设置 | 第47-49页 |
| 5.1.1 语料来源 | 第47-48页 |
| 5.1.2 评价方法 | 第48-49页 |
| 5.2 新词发现模型实验分析 | 第49-52页 |
| 5.3 候选答案排序模型实验分析 | 第52-59页 |
| 5.4 系统运行结果 | 第59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-68页 |
| 攻读学位期间发表的论文及其他成果 | 第68-70页 |
| 致谢 | 第70页 |
