问答系统中的短文本聚类研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 表目录 | 第10-11页 |
| 图目录 | 第11-12页 |
| 第1章 绪论 | 第12-30页 |
| ·搜索引擎 | 第12-16页 |
| ·问答系统 | 第16-26页 |
| ·自动问答系统 | 第18-22页 |
| ·用户交互式问答系统 | 第22-26页 |
| ·本文的内容和创新 | 第26-28页 |
| ·本文组织结构 | 第28-30页 |
| 第2章 相关工作 | 第30-36页 |
| ·经典聚类算法 | 第30-33页 |
| ·长文本聚类 | 第33-34页 |
| ·短文本聚类 | 第34-35页 |
| ·短文本分类 | 第35-36页 |
| 第3章 TermCut短文本聚类算法 | 第36-46页 |
| ·所提聚类算法概述 | 第36-37页 |
| ·文本模型 | 第37-38页 |
| ·RMcut聚类评估标准 | 第38-40页 |
| ·提取核心词汇 | 第40-41页 |
| ·TermCut短文本聚类策略 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 算法验证 | 第46-54页 |
| ·数据集 | 第46-47页 |
| ·评估标准 | 第47-48页 |
| ·实验设置及结果 | 第48-53页 |
| ·CNTC算法效果验证 | 第48-50页 |
| ·TTC算法效果验证 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 在问题推荐中应用短文本聚类算法 | 第54-72页 |
| ·问题推荐的背景 | 第54-56页 |
| ·问题推荐算法 | 第56-68页 |
| ·相关记号 | 第57页 |
| ·基于主题的用户兴趣度模型 | 第57-59页 |
| ·基于主题的用户兴趣度模型中的参数估计 | 第59-61页 |
| ·问题排序 | 第61-63页 |
| ·推荐实验结果 | 第63-68页 |
| ·将短文本聚类技术应用于问题推荐 | 第68-69页 |
| ·本章小结 | 第69-72页 |
| 第6章 总结 | 第72-76页 |
| ·本文工作总结 | 第72-73页 |
| ·本文主要的贡献和创新之处 | 第73-74页 |
| ·下一步的研究工作 | 第74-76页 |
| 参考文献 | 第76-86页 |
| 致谢 | 第86-88页 |
| 博士期间所发表论文 | 第88-89页 |
