审计互动百科及知识问答系统研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 知识图谱研究现状 | 第12-13页 |
| 1.2.2 问答系统研究现状 | 第13-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 相关理论及技术 | 第17-30页 |
| 2.1 语料收集及预处理 | 第17-20页 |
| 2.1.1 爬虫技术 | 第17-18页 |
| 2.1.2 分词技术 | 第18-20页 |
| 2.2 知识图谱构建相关技术 | 第20-25页 |
| 2.2.1 实体识别技术 | 第20-22页 |
| 2.2.2 条件随机场模型 | 第22-23页 |
| 2.2.3 词向量模型Word2Vec | 第23-25页 |
| 2.3 长短时记忆网络LSTM模型 | 第25-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 医保审计领域知识图谱构建 | 第30-51页 |
| 3.1 领域词典构建 | 第30-35页 |
| 3.1.1 数据来源 | 第30-31页 |
| 3.1.2 基于WebMagic的领域候选词获取 | 第31-34页 |
| 3.1.3 领域词典构建 | 第34-35页 |
| 3.2 融合领域特征的领域实体识别算法 | 第35-42页 |
| 3.2.1 实体识别处理流程 | 第35-36页 |
| 3.2.2 语料收集及处理 | 第36页 |
| 3.2.3 领域实体定义及标注 | 第36-38页 |
| 3.2.4 领域特征设计 | 第38-39页 |
| 3.2.5 特征模板设计及CRF模型训练 | 第39-41页 |
| 3.2.6 词性规则补充 | 第41-42页 |
| 3.3 医保审计领域知识图谱构建 | 第42-46页 |
| 3.3.1 知识图谱构建流程设计 | 第42-43页 |
| 3.3.2 领域实体和实体关系抽取 | 第43-45页 |
| 3.3.3 知识融合 | 第45-46页 |
| 3.3.4 知识存储及更新 | 第46页 |
| 3.4 实验及结果分析 | 第46-49页 |
| 3.4.1 领域实体识别实验 | 第46-49页 |
| 3.4.2 医保审计知识图谱构建 | 第49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于领域知识图谱的问答技术研究 | 第51-63页 |
| 4.1 答案检索流程 | 第51-52页 |
| 4.2 基于领域知识图谱的问句实体抽取 | 第52-53页 |
| 4.3 问句隐含属性映射算法 | 第53-59页 |
| 4.3.1 算法设计 | 第53-55页 |
| 4.3.2 双向长短时记忆网络BiLSTM模型 | 第55-57页 |
| 4.3.3 注意力机制 | 第57-58页 |
| 4.3.4 相似度计算 | 第58-59页 |
| 4.4 基于LSTM模型的问句隐含属性映射实验 | 第59-60页 |
| 4.4.1 数据来源 | 第59页 |
| 4.4.2 实验设计及结果分析 | 第59-60页 |
| 4.5 医保审计问答系统框架及应用 | 第60-62页 |
| 4.5.1 系统框架设计 | 第60-61页 |
| 4.5.2 系统开发环境 | 第61-62页 |
| 4.5.3 系统界面展示 | 第62页 |
| 4.6 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-71页 |
| 致谢 | 第71页 |
