摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第8-12页 |
1.1 课题的研究背景及意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-10页 |
1.3 论文主要工作 | 第10-11页 |
1.4 论文组织结构 | 第11-12页 |
第二章 智能客服系统的关键技术 | 第12-19页 |
2.1 问句预处理技术 | 第12-13页 |
2.1.1 分词 | 第12-13页 |
2.1.2 停用词 | 第13页 |
2.1.3 词性标注 | 第13页 |
2.2 特征词的提取和表示 | 第13-15页 |
2.2.1 特征词的提取 | 第13-14页 |
2.2.2 VSM模型 | 第14-15页 |
2.3 分类技术 | 第15-16页 |
2.3.1 朴素贝叶斯算法 | 第15页 |
2.3.2 决策树算法 | 第15-16页 |
2.3.3 支持向量机 | 第16页 |
2.4 聚类技术 | 第16-18页 |
2.4.1 k-means聚类算法 | 第17页 |
2.4.2 层次聚类算法 | 第17页 |
2.4.3 SOM聚类算法 | 第17-18页 |
2.5 相似度技术 | 第18页 |
2.6 本章小结 | 第18-19页 |
第三章 基于朴素贝叶斯和K-Means结合的文本分类方法 | 第19-30页 |
3.1 k-means聚类算法 | 第19-21页 |
3.1.1 算法思想 | 第19-20页 |
3.1.2 距离测度方法 | 第20-21页 |
3.2 朴素贝叶斯分类算法 | 第21-23页 |
3.2.1 贝叶斯定理 | 第21-22页 |
3.2.2 朴素贝叶斯分类 | 第22-23页 |
3.3 朴素贝叶斯和k-means混合分类算法 | 第23-26页 |
3.3.1 方法的提出 | 第23-24页 |
3.3.2 方法描述 | 第24-25页 |
3.3.3 方法的实现 | 第25-26页 |
3.4 实验结果与分析 | 第26-29页 |
3.4.1 最佳聚类数K的实验分析 | 第26-27页 |
3.4.2 准确度的实验分析 | 第27-28页 |
3.4.3 时间复杂度的实验分析 | 第28-29页 |
3.5 本章小结 | 第29-30页 |
第四章 基于SimHash的混合问句相似度算法 | 第30-41页 |
4.1 基于SimHash的混合句子相似度 | 第30-36页 |
4.1.1 问句相似度概述 | 第30-31页 |
4.1.2 问句相似度算法 | 第31-32页 |
4.1.3 基于SimHash相似度 | 第32-34页 |
4.1.4 基于语义与语序的相似度 | 第34-36页 |
4.2 实验与结果分析 | 第36-39页 |
4.2.1 SimHash的海明距离阈值的实验分析 | 第36-38页 |
4.2.2 基于语义与语序相似度的权值α的实验分析 | 第38-39页 |
4.2.3 关于结果准确度的实验分析 | 第39页 |
4.3 小结 | 第39-41页 |
第五章 智能客服问答系统设计与实现 | 第41-58页 |
5.1 需求分析 | 第41-44页 |
5.1.1 知识库整理模块 | 第41-42页 |
5.1.2 系统维护模块 | 第42-43页 |
5.1.3 用户查询模块 | 第43-44页 |
5.2 系统总体设计 | 第44-47页 |
5.2.1 关键词设计 | 第45-46页 |
5.2.2 问答对设计 | 第46-47页 |
5.2.3 用户信息设计 | 第47页 |
5.3 系统详细设计 | 第47-51页 |
5.3.1 知识库整理 | 第48-49页 |
5.3.2 系统维护 | 第49-50页 |
5.3.3 用户查询 | 第50-51页 |
5.4 智能客服问答系统实现 | 第51-55页 |
5.4.1 知识库整理 | 第51-54页 |
5.4.2 系统维护 | 第54页 |
5.4.3 用户查询 | 第54-55页 |
5.5 实验与结果分析 | 第55-57页 |
5.5.1 实验环境 | 第55-56页 |
5.5.2 评价指标 | 第56页 |
5.5.3 结果分析 | 第56-57页 |
5.6 小结 | 第57-58页 |
第六章 总结与展望 | 第58-60页 |
6.1 工作总结 | 第58页 |
6.2 工作展望 | 第58-60页 |
参考文献 | 第60-63页 |
附录1 攻读硕士学位期间撰写的论文 | 第63-64页 |
致谢 | 第64页 |