| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 主要研究工作 | 第11-12页 |
| 1.3 相关研究进展 | 第12-14页 |
| 1.4 本文研究重点及章节安排 | 第14-16页 |
| 第二章 基于知识库问题生成和模型联合训练相关技术 | 第16-30页 |
| 2.1 TranSE模型 | 第16-18页 |
| 2.1.1 知识库 | 第16-17页 |
| 2.1.2 TranSE | 第17-18页 |
| 2.2 Seq2Seq模型 | 第18-26页 |
| 2.2.1 循环神经网络 | 第19-22页 |
| 2.2.2 Seq2Seq | 第22-24页 |
| 2.2.3 Seq2Seq模型评价指标 | 第24-26页 |
| 2.3 GAN模型 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于知识库的Seq2Seq问题生成模型 | 第30-44页 |
| 3.1 基于知识库生成问题的任务定义 | 第30-31页 |
| 3.2 传统基于知识库的模板生成问题的方法 | 第31-32页 |
| 3.3 基于知识库的Seq2Seq模型生成问题的方法 | 第32-37页 |
| 3.3.1 问题生成模型目标 | 第33页 |
| 3.3.2 Seq2Seq问题生成模型的编码器 | 第33-34页 |
| 3.3.3 Seq2Seq问题生成模型的解码器 | 第34-37页 |
| 3.4 数据与实验 | 第37-39页 |
| 3.4.1 数据集介绍 | 第37-39页 |
| 3.4.2 实验参数选择 | 第39页 |
| 3.5 实验结果分析与总结 | 第39-42页 |
| 3.5.1 实验结果分析 | 第39-41页 |
| 3.5.2 实验结果总结 | 第41-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于Seq2Seq问题生成模型的弱监督问答模型 | 第44-58页 |
| 4.1 基于知识库的弱监督问答模型的目标任务 | 第44-45页 |
| 4.2 基于条件概率的问答模型 | 第45-49页 |
| 4.2.1 问答模型目标 | 第45-46页 |
| 4.2.2 条件概率问答模型 | 第46-47页 |
| 4.2.3 目标函数和参数优化 | 第47-49页 |
| 4.3 基于Seq2Seq问题生成的弱监督条件概率问答模型 | 第49-52页 |
| 4.3.1 模型结构 | 第49-50页 |
| 4.3.2 模型训练 | 第50-52页 |
| 4.4 实验与结果分析 | 第52-55页 |
| 4.4.1 数据集与实验参数 | 第52-53页 |
| 4.4.2 实验结果分析 | 第53-55页 |
| 4.5 本章小结 | 第55-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
