| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·问答系统简介 | 第9-12页 |
| ·产生背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·中文问句分类的研究现状 | 第12-15页 |
| ·中文问句分类的任务 | 第12-13页 |
| ·中文问句分类思想 | 第13-14页 |
| ·中文问句分类算法 | 第14-15页 |
| ·本文研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 中文问句特征表示 | 第18-30页 |
| ·词法分析 | 第18-22页 |
| ·分词技术 | 第18-20页 |
| ·词性标注 | 第20页 |
| ·本文采用的词法分析系统 | 第20-22页 |
| ·依存句法分析 | 第22-26页 |
| ·句法分析语法体系 | 第23-25页 |
| ·常用句法分析算法 | 第25页 |
| ·基于动态局部优化的汉语依存分析 | 第25-26页 |
| ·本文采用的依存句法分析技术 | 第26页 |
| ·本文提出句子特征简约方法 | 第26-29页 |
| ·去停用词分词序列作为特征向量 | 第27页 |
| ·提取句法分析结果作为特征向量 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 贝叶斯分类模型 | 第30-40页 |
| ·贝叶斯定理 | 第30-32页 |
| ·全概率公式 | 第30-31页 |
| ·贝叶斯公式 | 第31-32页 |
| ·贝叶斯推断 | 第32-34页 |
| ·最大后验假设 | 第32-33页 |
| ·贝叶斯参数估计 | 第33-34页 |
| ·典型的贝叶斯分类模型 | 第34-37页 |
| ·朴素贝叶斯分类模型(NB) | 第34-35页 |
| ·半朴素贝叶斯分类模型(SNB) | 第35-36页 |
| ·树形增强朴素贝叶斯分类模型(TAN) | 第36-37页 |
| ·增量学习朴素贝叶斯分类模型(INB) | 第37-38页 |
| ·本文提出的改进贝叶斯分类模型 | 第38-39页 |
| ·基于模糊反馈机制的增量式半朴素贝叶斯分类模型(FF-ISNB) | 第38-39页 |
| ·加权贝叶斯分类模型(WB) | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于模糊反馈机制的增量式半朴素贝叶斯分类模型 | 第40-58页 |
| ·半朴素贝叶斯模型 | 第40-41页 |
| ·反馈机制 | 第41-42页 |
| ·模糊反馈机制 | 第42-44页 |
| ·模糊集基础概念 | 第42-43页 |
| ·模糊反馈机制的提出 | 第43页 |
| ·求解隶属度函数 | 第43-44页 |
| ·构建模糊反馈机制的增量式半朴素贝叶斯模型 | 第44-45页 |
| ·基于模糊反馈机制的增量学习算法 | 第45-52页 |
| ·bate分布和Dirichlet分布 | 第45-47页 |
| ·算法设计 | 第47-49页 |
| ·算法描述 | 第49-51页 |
| ·分类器参数的增量学习 | 第51-52页 |
| ·实验数据分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 χ~2-IDF加权贝叶斯分类模型 | 第58-64页 |
| ·特征加权的基本思想 | 第58-59页 |
| ·加权贝叶斯分类器 | 第59-60页 |
| ·TF-IDF特征加权算法 | 第60页 |
| ·χ~2统计(CHI) | 第60-61页 |
| ·χ~2-IDF加权贝叶斯分类模型 | 第61页 |
| ·实验数据分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结论与展望 | 第64-67页 |
| ·本文结论 | 第64-65页 |
| ·工作展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第71页 |