| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 引言 | 第9-12页 |
| ·自动问答系统的定义及与传统信息检索的区别 | 第9页 |
| ·自动问答系统的研究历史和现状 | 第9-10页 |
| ·自动问答系统的研究意义 | 第10-11页 |
| ·实用意义 | 第10-11页 |
| ·理论意义 | 第11页 |
| ·本文的创新之处 | 第11-12页 |
| 第2章 自动问答任务描述及解决方案综述 | 第12-26页 |
| ·自动问答的管道模型 | 第12页 |
| ·问题分析任务描述 | 第12-14页 |
| ·问题分析解决方案综述 | 第14-16页 |
| ·问题分类解决方案 | 第14-15页 |
| ·提取和扩展查询关键词的解决方案 | 第15-16页 |
| ·文本检索任务描述 | 第16-17页 |
| ·文本检索解决方案综述 | 第17-20页 |
| ·相关文档检索 | 第17-19页 |
| ·相关文档片段检索 | 第19-20页 |
| ·答案抽取任务描述 | 第20-21页 |
| ·答案抽取解决方案综述 | 第21-25页 |
| ·匹配法 | 第21-22页 |
| ·相似度计算法 | 第22-23页 |
| ·语法结构比较法 | 第23-24页 |
| ·逻辑验证法 | 第24页 |
| ·Web 辅助法 | 第24页 |
| ·答案抽取方案小结 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于支持向量机的中文问题分类研究 | 第26-42页 |
| ·问题分类的重要性和特殊性 | 第26-27页 |
| ·问题分类的重要性 | 第26-27页 |
| ·问题分类的特殊性 | 第27页 |
| ·基于中文问句句型分析的特征抽取 | 第27-31页 |
| ·中文问句的基本句型 | 第27-28页 |
| ·基于疑问词和谓语中心语距离信息的问句句型判定 | 第28-29页 |
| ·基于问句句型分析的特征抽取算法 | 第29-31页 |
| ·基于支持向量机的中文问题分类的提出及支持向量机简介 | 第31-34页 |
| ·基于支持向量机的中文问题分类的提出 | 第31页 |
| ·SVM 介绍 | 第31-34页 |
| ·基于支持向量机的中文问题分类实验 | 第34-41页 |
| ·问题分类体系的设计 | 第34页 |
| ·本文所用的问题分类体系 | 第34-37页 |
| ·训练集和测试集 | 第37页 |
| ·实验结果及分析 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于最大熵模型分类的答案抽取研究 | 第42-51页 |
| ·基于最大熵模型分类的答案抽取方法的提出 | 第42-43页 |
| ·句法分析和机器学习的结合：答案抽取的主流方法 | 第42页 |
| ·分类思想和最大熵模型的结合 | 第42-43页 |
| ·最大熵模型 | 第43-44页 |
| ·最大熵原理 | 第43-44页 |
| ·最大熵模型工具包简介及其移植 | 第44页 |
| ·特征抽取 | 第44-46页 |
| ·问句特征集 | 第44-45页 |
| ·候选答句特征集 | 第45-46页 |
| ·组合特征集 | 第46页 |
| ·基于最大熵模型的答案抽取实验 | 第46-50页 |
| ·文档检索模块 | 第46-47页 |
| ·训练集和测试集 | 第47页 |
| ·实验步骤 | 第47-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 系统设计与实现 | 第51-54页 |
| ·实验环境、语料及预处理工具 | 第51页 |
| ·实验环境 | 第51页 |
| ·实验语料 | 第51页 |
| ·预处理工具 | 第51页 |
| ·问题分析系统 | 第51-52页 |
| ·答案抽取系统 | 第52-54页 |
| 第6章 结论与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第61页 |