| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-35页 |
| 1.1 课题研究背景与意义 | 第15-20页 |
| 1.2 国内外研究现状 | 第20-30页 |
| 1.2.1 交互式问答的问句理解 | 第20-22页 |
| 1.2.2 交互式问答的问答语义匹配 | 第22-24页 |
| 1.2.3 交互式问答的关系结构解析 | 第24-30页 |
| 1.3 本文的研究内容与创新点 | 第30-34页 |
| 1.3.1 本文的研究内容 | 第30-33页 |
| 1.3.2 本文创新点 | 第33-34页 |
| 1.4 本文的内容安排 | 第34-35页 |
| 第2章 交互式问答的语料知识库构建 | 第35-55页 |
| 2.1 引言 | 第35-37页 |
| 2.2 交互式问答的语料收集和分析 | 第37-42页 |
| 2.2.1 语料的收集与统计 | 第37-40页 |
| 2.2.2 上下文关联分析 | 第40-42页 |
| 2.3 语料标注 | 第42-48页 |
| 2.3.1 话题标注 | 第42-44页 |
| 2.3.2 用户行为标注 | 第44-46页 |
| 2.3.3 上下文语句关系标注 | 第46-47页 |
| 2.3.4 交互式问答知识库 | 第47-48页 |
| 2.4 交互式问答的用户意图分析 | 第48-54页 |
| 2.5 本章小结 | 第54-55页 |
| 第3章 基于循环神经网络的交互式问句解析方法 | 第55-75页 |
| 3.1 引言 | 第55-57页 |
| 3.2 基于循环神经网络的交互式上下文表示学习模型 | 第57-65页 |
| 3.2.1 长短记忆单元 | 第58-59页 |
| 3.2.2 交互式问答的上下文编码 | 第59-62页 |
| 3.2.3 交互式问答的上下文解码 | 第62-64页 |
| 3.2.4 基于上下文的问句解析表示 | 第64-65页 |
| 3.3 模型训练 | 第65-68页 |
| 3.3.1 上下文编码器的无监督学习 | 第65-66页 |
| 3.3.2 上下文编码器的有监督学习 | 第66-68页 |
| 3.4 实验结果和分析 | 第68-74页 |
| 3.4.1 实验设置 | 第68-70页 |
| 3.4.2 实验结果 | 第70-72页 |
| 3.4.3 上下文编码器的性能分析 | 第72-74页 |
| 3.5 本章小结 | 第74-75页 |
| 第4章 基于循环卷积神经网络的上下文关联场景的答案选择方法 | 第75-95页 |
| 4.1 引言 | 第75-77页 |
| 4.2 基于循环卷积神经网络的上下文关联问答语义匹配学习 | 第77-83页 |
| 4.2.1 基于卷积神经网络的问答语义匹配建模 | 第79-81页 |
| 4.2.2 基于循环神经网络的上下文答案语义关联建模 | 第81-83页 |
| 4.3 模型训练 | 第83-85页 |
| 4.4 实验结果与分析 | 第85-94页 |
| 4.4.1 实验设置 | 第85-89页 |
| 4.4.2 在线客服问答中的答案选择实验 | 第89-91页 |
| 4.4.3 社区问答中的答案选择实验 | 第91-94页 |
| 4.5 本章小结 | 第94-95页 |
| 第5章 基于注意力机制的交互式问答语句关系标注模型 | 第95-112页 |
| 5.1 引言 | 第95-97页 |
| 5.2 交互式问答的语句关系建模与标注 | 第97-103页 |
| 5.2.1 基于LSTM的语句关系建模 | 第98-99页 |
| 5.2.2 基于匹配模式的注意力学习机制 | 第99-102页 |
| 5.2.3 上下文依赖的语句关系表示及标注 | 第102-103页 |
| 5.3 模型训练 | 第103页 |
| 5.4 实验结果和分析 | 第103-111页 |
| 5.4.1 实验设置 | 第103-106页 |
| 5.4.2 实验结果 | 第106-108页 |
| 5.4.3 问答知识抽取评测 | 第108-111页 |
| 5.5 本章小结 | 第111-112页 |
| 结论 | 第112-115页 |
| 参考文献 | 第115-135页 |
| 攻读博士学位期间发表的论文及其他成果 | 第135-138页 |
| 致谢 | 第138-139页 |
| 个人简历 | 第139页 |
