| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-14页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 主要研究内容 | 第11-12页 |
| 1.3 论文组织结构 | 第12-14页 |
| 第2章 研究基础 | 第14-24页 |
| 2.1 上下文感知技术和情境理论 | 第14-15页 |
| 2.1.1 上下文感知技术 | 第14-15页 |
| 2.1.2 情境理论 | 第15页 |
| 2.2 基于Situ框架的服务演进及其相关概念 | 第15-20页 |
| 2.2.1 演进路径及周期 | 第15-17页 |
| 2.2.2 Situ框架 | 第17-18页 |
| 2.2.3 相关概念 | 第18-20页 |
| 2.3 最大熵理论和无监督序列分段方法 | 第20-22页 |
| 2.3.1 最大熵理论 | 第20页 |
| 2.3.2 N-gram模型 | 第20-21页 |
| 2.3.3 专家投票算法 | 第21-22页 |
| 2.4 位矢量标记方案 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于情境理论的用户意图变化识别框架 | 第24-34页 |
| 3.1 SMR系统框架 | 第24-27页 |
| 3.2 基于情境理论的用户意图变化识别框架 | 第27-29页 |
| 3.3 关键问题及其研究思路 | 第29-32页 |
| 3.3.1 动作序列预处理 | 第29-31页 |
| 3.3.2 用户意图变化识别 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于场景和最大熵的动作序列分段方法 | 第34-48页 |
| 4.1 动作序列所属场景的定义 | 第34-35页 |
| 4.2 动作知识树的定义及其建立方法 | 第35-40页 |
| 4.2.1 动作知识树键的生成方法 | 第36页 |
| 4.2.2 动作知识树值的生成方法 | 第36-38页 |
| 4.2.3 动作知识树的建立过程 | 第38-40页 |
| 4.3 专家投票规则的拟定 | 第40-43页 |
| 4.3.1 基于场景的专家投票规则 | 第40-41页 |
| 4.3.2 基于最大熵的专家投票规则 | 第41-43页 |
| 4.4 基于滑动窗口进行动作序列划分的算法 | 第43-45页 |
| 4.5 参数最优取值的实验分析 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 用户意图变化识别方法 | 第48-62页 |
| 5.1 新情境的产生导致意图变化的识别方法 | 第48-50页 |
| 5.2 情境序列有向图及其标记方法 | 第50-56页 |
| 5.2.1 情境序列有向图的生成方法 | 第50-52页 |
| 5.2.2 位矢量标记方案标记情境序列有向图 | 第52-54页 |
| 5.2.3 情境序列有向图中交叉节点的处理方法 | 第54-56页 |
| 5.3 情境序列变化的识别方法 | 第56-61页 |
| 5.3.1 情境序列变化的识别过程 | 第56-59页 |
| 5.3.2 情境序列中缺少情境的变化识别方法 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 实例研究与分析 | 第62-72页 |
| 6.1 实例数据及环境 | 第62-65页 |
| 6.2 用户意图变化识别方法的实例研究 | 第65-70页 |
| 6.2.1 基于场景和最大熵的动作序列分段方法实例分析 | 第65-67页 |
| 6.2.2 用户意图变化识别的实例分析 | 第67-69页 |
| 6.2.3 结果分析 | 第69-70页 |
| 6.3 本章小结 | 第70-72页 |
| 第7章 结论 | 第72-74页 |
| 7.1 本文的主要工作 | 第72-73页 |
| 7.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |