| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 人机对话系统研究的发展和现状 | 第12-13页 |
| 1.2.2 人机对话系统中用户意图分类研究的发展和现状 | 第13-15页 |
| 1.3 本文的研究内容 | 第15-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 第二章 相关理论与技术 | 第18-30页 |
| 2.1 文本表示 | 第18-21页 |
| 2.2.1 文本向量表示 | 第18-19页 |
| 2.2.2 word2vec工具 | 第19-21页 |
| 2.2 传统机器学习分类模型SVM | 第21-23页 |
| 2.3 神经网络与深度学习模型 | 第23-29页 |
| 2.3.1 人工神经网络 | 第24-26页 |
| 2.3.2 卷积神经网络 | 第26-27页 |
| 2.3.3 门循环单元模型(GRU) | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于Character-CNN-BGRU模型意图分类研究 | 第30-47页 |
| 3.1 意图分类语料集构建 | 第30-31页 |
| 3.1.1 语料采集与预处理 | 第30-31页 |
| 3.1.2 语料集标注 | 第31页 |
| 3.2 字符级文本表示 | 第31-35页 |
| 3.2.1 预训练中文字符级向量 | 第32-33页 |
| 3.2.2 嵌入层(embedding layer) | 第33-34页 |
| 3.2.3 字符级向量表示 | 第34-35页 |
| 3.3 Character-CNN-BGRU模型结构与设计思想 | 第35-45页 |
| 3.3.1 总体结构 | 第35-37页 |
| 3.3.2 卷积层 | 第37-40页 |
| 3.3.3 最大池化层 | 第40页 |
| 3.3.4 窗口特征组合序列与双向门循环单元层 | 第40-43页 |
| 3.3.5 多意图分类输出 | 第43-44页 |
| 3.3.6 设计思想 | 第44-45页 |
| 3.4 意图分类流程 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 意图分类实验设计与结果分析 | 第47-64页 |
| 4.1 引言 | 第47页 |
| 4.2 实验准备 | 第47-49页 |
| 4.2.1 实验环境 | 第47-48页 |
| 4.2.2 评价指标 | 第48-49页 |
| 4.2.3 实验数据集 | 第49页 |
| 4.3 基于字符级文本表示的实验及分析 | 第49-52页 |
| 4.4 基于Character-CNN-BGRU模型的实验及分析 | 第52-62页 |
| 4.4.1 模型参数设定与优化 | 第52-54页 |
| 4.4.2 循环单元类型 | 第54-55页 |
| 4.4.3 双向循环网络 | 第55-57页 |
| 4.4.4 误差与性能分析 | 第57-58页 |
| 4.4.5 对比实验及分析 | 第58-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 未来的工作与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间参加的科研项目与取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |
