| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 相关工作 | 第18-31页 |
| 2.1 概念与定义 | 第18-22页 |
| 2.1.1 TF-IDF | 第18-19页 |
| 2.1.2 互信息 | 第19页 |
| 2.1.3 信息熵 | 第19-20页 |
| 2.1.4 欧几里德距离 | 第20页 |
| 2.1.5 曼哈顿距离 | 第20-21页 |
| 2.1.6 余弦相似度 | 第21页 |
| 2.1.7 WordNet | 第21页 |
| 2.1.8 命名实体识别 | 第21-22页 |
| 2.2 相似度计算回归模型 | 第22-29页 |
| 2.2.1 支持向量回归 | 第22-25页 |
| 2.2.2 Tree-LSTM模型 | 第25-29页 |
| 2.3 评估标准 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于结构化表示的文本语义相似度计算方法 | 第31-45页 |
| 3.1 问题描述及相关工作 | 第31-32页 |
| 3.2 基于相似度计算的平面特征 | 第32-35页 |
| 3.3 结构化特征表示 | 第35-41页 |
| 3.3.1 使用结构化特征的动机 | 第35-36页 |
| 3.3.2 基于浅层句法树的结构化特征 | 第36-37页 |
| 3.3.3 基于依存关系树的结构化特征 | 第37-39页 |
| 3.3.4 结构化特征联合表示 | 第39-40页 |
| 3.3.5 树核函数 | 第40-41页 |
| 3.4 实验结果与分析 | 第41-44页 |
| 3.4.1 基准系统 | 第41页 |
| 3.4.2 实验设置 | 第41-42页 |
| 3.4.3 实验结果与分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于Tree-LSTM的文本相似度计算方法 | 第45-55页 |
| 4.1 问题描述及相关工作 | 第45页 |
| 4.2 基于Tree-LSTM的文本相似度计算 | 第45-51页 |
| 4.2.1 文本相似度计算模型 | 第46-47页 |
| 4.2.2 NPDT与Child-Sum Tree-LSTM | 第47-49页 |
| 4.2.3 NPST与N-ray Tree-LSTM | 第49-51页 |
| 4.3 实验 | 第51-54页 |
| 4.3.1 实验设置 | 第51页 |
| 4.3.2 实验结果与分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 基于文本语义相似度计算的问答系统 | 第55-68页 |
| 5.1 背景 | 第55-56页 |
| 5.2 系统功能说明 | 第56页 |
| 5.3 系统模块设计 | 第56页 |
| 5.4 问答系统工作流程 | 第56-59页 |
| 5.5 数据结构 | 第59-61页 |
| 5.6 预处理 | 第61-63页 |
| 5.7 相似度计算方法 | 第63-66页 |
| 5.7.1 基于知识库的语义相似度计算 | 第63-65页 |
| 5.7.2 基于工单库的相似度计算 | 第65-66页 |
| 5.7.3 基于地理库的相似度计算 | 第66页 |
| 5.8 系统性能 | 第66-67页 |
| 5.9 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 研究工作总结 | 第68页 |
| 6.2 下一步工作展望 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 攻读硕士学位期间取得的科研成果 | 第77页 |
| 攻读硕士学位期间参与的科研项目 | 第77-78页 |
| 致谢 | 第78-79页 |
