首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

基于中草药语义网的自动问答系统的研究与实现

摘要第5-6页
Abstract第6页
第1章 绪论第12-16页
    1.1 课题背景和意义第12-14页
    1.2 本文主要工作第14页
    1.3 本文组织结构第14-15页
    1.4 本章小结第15-16页
第2章 问答系统相关技术研究第16-26页
    2.1 国内外发展状况第16-18页
    2.2 问答关键的组成和技术第18-24页
        2.2.1 问题解析第18-22页
        2.2.2 信息检索第22-23页
        2.2.3 答案抽取第23-24页
    2.3 相关工具第24-25页
    2.4 本章小结第25-26页
第3章 语义网相关理论研究第26-33页
    3.1 语义网概念第26-31页
        3.1.1 本体第27-28页
        3.1.2 资源描述框架第28-31页
    3.2 国内外构建状况第31-32页
    3.3 相关工具第32页
    3.4 本章小结第32-33页
第4章 中草药语义网的设计与构建第33-42页
    4.1 数据基础第33-35页
        4.1.1 关系型数据库第33-34页
        4.1.2 非结构化数据第34页
        4.1.3 中国中医药学主题词表第34-35页
    4.2 语义网总体结构第35页
    4.3 语义网详细设计第35-37页
    4.4 构建方案第37-39页
    4.5 构建成果第39-41页
    4.6 本章小结第41-42页
第5章 中草药自动问答系统的关键技术第42-68页
    5.1 问答策略第42-45页
        5.1.1 问题分析第42-43页
        5.1.2 查询三元组模式第43-44页
        5.1.3 查询生成策略第44-45页
    5.2 预处理相关第45-50页
        5.2.1 领域词典构建第45-46页
        5.2.2 问题语料第46-49页
        5.2.3 多分词校正第49-50页
        5.2.4 领域词汇识别第50页
    5.3 特征设计第50-53页
        5.3.1 Doc2Vec第50-51页
        5.3.2 词袋模型第51页
        5.3.3 疑问词第51-52页
        5.3.4 核心关键词第52-53页
        5.3.5 主谓宾特征第53页
        5.3.6 领域知识特征第53页
        5.3.7 限制特征对第53页
    5.4 基于模式匹配的方式第53-56页
        5.4.1 问题类型第54页
        5.4.2 模板设计第54-55页
        5.4.3 自定义模板及匹配算法第55-56页
        5.4.4 方法评价第56页
    5.5 基于领域知识的方式第56-58页
        5.5.1 问题类型第56页
        5.5.2 领域分类器第56-57页
        5.5.3 问句生成第57页
        5.5.4 方法评价第57-58页
    5.6 基于机器学习的方式第58-67页
        5.6.1 有效问题分类第58-62页
        5.6.2 问题领域分类第62-66页
        5.6.3 问题属性分类第66-67页
        5.6.4 方法评价第67页
    5.7 本章小结第67-68页
第6章 基于语义网的自动问答的实现第68-78页
    6.1 系统架构第68-69页
    6.2 系统功能分析第69-70页
    6.3 系统实现第70-75页
        6.3.1 数据格式第71-72页
        6.3.2 支撑模块第72-73页
        6.3.3 应用模块第73-75页
    6.4 系统展示第75-77页
        6.4.1 基于模式匹配的Q_1类问题第75页
        6.4.2 基于模式匹配的Q_2类问题第75-76页
        6.4.3 基于领域知识的Q1类问题第76-77页
        6.4.4 基于机器学习的Q2类问题第77页
    6.5 本章小结第77-78页
第7章 总结与展望第78-80页
    7.1 总结第78-79页
    7.2 展望第79-80页
参考文献第80-83页
攻读硕士学位期间主要的研究成果第83-84页
致谢第84页

论文共84页,点击 下载论文
上一篇:基于三维重建的超高分辨率壁画快速数字化技术研究
下一篇:面向专业属性标注的众包平台研发及应用