语句相似度匹配在自动问答系统中的应用与实现
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 问答系统研究现状 | 第9-11页 |
| 1.2.2 相似度算法研究现状 | 第11-12页 |
| 1.3 本文的内容和章节安排 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 相关背景知识介绍 | 第14-26页 |
| 2.1 问答系统介绍 | 第14-15页 |
| 2.2 自动问答系统研究模块 | 第15-16页 |
| 2.3 分词算法 | 第16-19页 |
| 2.3.1 中文分词技术的发展 | 第16页 |
| 2.3.2 中文分词算法 | 第16-18页 |
| 2.3.3 分词工具的选取 | 第18-19页 |
| 2.4 语句相似度算法 | 第19-25页 |
| 2.4.1 基于向量空间模型的TF-IDF算法 | 第20-21页 |
| 2.4.2 基于词典语义的语句相似度算法 | 第21-22页 |
| 2.4.3 基于依存分析的语句相似度算法 | 第22-23页 |
| 2.4.4 基于编辑距离的语句相似度算法 | 第23-25页 |
| 2.5 本章小节 | 第25-26页 |
| 第三章 基于Word2Vec的语句相似度研究 | 第26-38页 |
| 3.1 词向量 | 第26-27页 |
| 3.2 Word2Vec模型概述 | 第27-30页 |
| 3.2.1 CBOW模型 | 第28-29页 |
| 3.2.2 Skip-Gram模型 | 第29-30页 |
| 3.3 词向量训练及结果 | 第30-32页 |
| 3.3.1 数据采集与处理 | 第30-31页 |
| 3.3.2 Word2Vec训练及结果 | 第31-32页 |
| 3.4 语句相似度算法设计 | 第32-36页 |
| 3.4.1 依存句法分析 | 第32-34页 |
| 3.4.2 依存关系重要度 | 第34-36页 |
| 3.4.3 词共现 | 第36页 |
| 3.4.4 多特征融合的语句相似度 | 第36页 |
| 3.5 实验分析与对比 | 第36-37页 |
| 3.5.1 测试语料 | 第36-37页 |
| 3.5.2 评价指标 | 第37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 FAQ建立与查找 | 第38-42页 |
| 4.1 FAQ建立 | 第38-39页 |
| 4.2 FAQ候选问题集的查找 | 第39-41页 |
| 4.3 FAQ库的更新 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 问答系统的设计与实现 | 第42-52页 |
| 5.1 系统目标 | 第42-43页 |
| 5.2 应用场景分析 | 第43-44页 |
| 5.2.1 功能需求 | 第43-44页 |
| 5.2.2 性能需求 | 第44页 |
| 5.3 系统总体架构 | 第44-47页 |
| 5.4 实验分析 | 第47-50页 |
| 5.5 实验展示 | 第50-51页 |
| 5.6 本章小节 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 本文工作总结 | 第52-53页 |
| 6.2 工作展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录1 攻读硕士学位期间申请的专利 | 第56-57页 |
| 致谢 | 第57页 |
