| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究问题 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 主要贡献 | 第14页 |
| 1.5 论文结构及框架 | 第14-17页 |
| 第二章 相关理论综述 | 第17-24页 |
| 2.1 向量化 | 第17-20页 |
| 2.1.1 词向量化 | 第17-19页 |
| 2.1.2 文档向量化 | 第19-20页 |
| 2.2 文本分类 | 第20-22页 |
| 2.2.1 支持向量机 | 第21-22页 |
| 2.2.2 CNN卷积神经网络 | 第22页 |
| 2.3 问答系统问句关键词抽取 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于fastText的问答系统用户意图识别 | 第24-38页 |
| 3.1 基于fastText的中文文本分类 | 第24-31页 |
| 3.1.1 fastText的基本原理 | 第25-26页 |
| 3.1.2 实验过程 | 第26-28页 |
| 3.1.3 实验结果分析 | 第28-29页 |
| 3.1.4 参数优化规则 | 第29-31页 |
| 3.2 基于fastText的问句分类 | 第31-34页 |
| 3.2.1 实验数据 | 第32-33页 |
| 3.2.2 数据预处理 | 第33页 |
| 3.2.3 实验方案 | 第33-34页 |
| 3.2.4 实验结果 | 第34页 |
| 3.3 基于卷积神经网络的问句分类方案 | 第34-36页 |
| 3.3.1 基于卷积神经网络的分类结果 | 第35-36页 |
| 3.3.2 两种方法的对比 | 第36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于用户查询意图的问句关键词抽取 | 第38-54页 |
| 4.1 研究理论与基础 | 第39-42页 |
| 4.1.1 TF-IDF关键词提取法 | 第39-40页 |
| 4.1.2 基于TextRank关键词提取方法 | 第40-42页 |
| 4.1.3 信息熵 | 第42页 |
| 4.2 基于TextRank算法用户问句关键词抽取方法改进研究 | 第42-48页 |
| 4.2.1 改进TextRank算法抽取关键词 | 第43-45页 |
| 4.2.2 结合改进后的TextRank算法与TF-IDF抽取关键词 | 第45-48页 |
| 4.3 实验数据 | 第48-50页 |
| 4.3.1 数据来源及处理 | 第48页 |
| 4.3.2 标注规则 | 第48-49页 |
| 4.3.3 数据去噪音 | 第49页 |
| 4.3.4 评价指标 | 第49-50页 |
| 4.4 实验结果及分析 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 研究总结 | 第54页 |
| 5.2 研究展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表论文情况 | 第61页 |
