| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 论文研究目标与内容 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-20页 |
| 第二章 算法分析与整体设计 | 第20-36页 |
| 2.1 知识库问答系统主流算法以及优缺点分析 | 第20-30页 |
| 2.1.1 知识库问答 | 第20-21页 |
| 2.1.2 知识库问答技术面临的挑战 | 第21页 |
| 2.1.3 知识库问答主流算法分析 | 第21-30页 |
| 2.2 机器阅读理解与问答 | 第30-34页 |
| 2.2.1 阅读理解数据集 | 第31-33页 |
| 2.2.2 阅读理解Baseline | 第33-34页 |
| 2.3 整体设计 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于IRGAN的相关Wikipedia文章检索 | 第36-50页 |
| 3.1 知识表示学习与知识对齐 | 第37-42页 |
| 3.1.1 结构化知识库 | 第37页 |
| 3.1.2 知识表示学习 | 第37-40页 |
| 3.1.3 知识对齐与关系验证策略设计 | 第40-42页 |
| 3.2 基于IRGAN相关Wikipedia文章检索 | 第42-49页 |
| 3.2.1 IRGAN文档检索原理 | 第42-46页 |
| 3.2.2 特征建模与得分函数设计 | 第46-49页 |
| 3.3 本章小节 | 第49-50页 |
| 第四章 引入注意力机制的阅读理解模型 | 第50-67页 |
| 4.1 循环神经网络与注意力机制 | 第50-61页 |
| 4.1.1 循环神经网络 | 第50-51页 |
| 4.1.2 LSTM长短期记忆网络 | 第51-57页 |
| 4.1.3 注意力机制 | 第57-61页 |
| 4.2 引入注意力机制的双向LSTM阅读模型 | 第61-66页 |
| 4.2.1 特征构建与注意力建模设计 | 第62-65页 |
| 4.2.2 损失函数设计及优化策略 | 第65页 |
| 4.2.3 全局答案预测 | 第65-66页 |
| 4.3 本章小结 | 第66-67页 |
| 第五章 系统实现及验证分析 | 第67-84页 |
| 5.1 知识问答系统实现 | 第67-68页 |
| 5.1.1 系统整体框架 | 第67-68页 |
| 5.1.2 系统环境搭建 | 第68页 |
| 5.2 基于IRGAN的相关文档检索算法实验结果与分析 | 第68-74页 |
| 5.2.1 数据准备 | 第69-70页 |
| 5.2.2 检索评测指标 | 第70页 |
| 5.2.3 实验结果与分析 | 第70-74页 |
| 5.3 阅读理解模型算法实验结果与分析 | 第74-77页 |
| 5.3.1 数据准备 | 第74页 |
| 5.3.2 阅读理解评测指标 | 第74-75页 |
| 5.3.3 实验结果与分析 | 第75-77页 |
| 5.4 问答系统整体实现结果与分析 | 第77-83页 |
| 5.4.1 数据准备 | 第77-80页 |
| 5.4.2 问答系统评测方式 | 第80页 |
| 5.4.3 实验结果与分析 | 第80-83页 |
| 5.5 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 总结 | 第84-85页 |
| 6.2 展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 攻读硕士学位期间取得的研究成果 | 第91页 |
