首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于深度学习的中文自动问答与校对研究

摘要第2-4页
ABSTRACT第4-6页
1 绪论第10-20页
    1.1 研究背景及意义第10-12页
    1.2 研究现状第12-17页
        1.2.1 中文自动问答现状第12-15页
        1.2.2 中文自动校对现状第15-17页
    1.3 主要研究内容第17-18页
    1.4 研究贡献及创新点第18-19页
    1.5 论文结构第19-20页
2 基于语句相似度的自动问答研究第20-38页
    2.1 中文分词方法第20-24页
        2.1.1 基于词典的分词方法第20-22页
        2.1.2 基于统计的分词方法第22-24页
    2.2 相似度量方法第24-27页
        2.2.1 基于统计学的计算方法第24-26页
        2.2.2 基于语义理解的计算方法第26页
        2.2.3 基于文本主题模型的计算方法第26-27页
    2.3 关键词扩展方法第27-31页
        2.3.1 语义扩展第27-29页
        2.3.2 词向量扩展第29-31页
    2.4 基于语句相似度的问答功能的设计第31-37页
        2.4.1 核心关键词获取第31-32页
        2.4.2 问答功能的整体设计第32-33页
        2.4.3 问答功能的实验第33-37页
    2.5 本章小结第37-38页
3 基于知识图谱的自动问答研究第38-65页
    3.1 实体抽取方法第38页
    3.2 基于深度学习的实体抽取功能第38-49页
        3.2.1 条件随机场第38-39页
        3.2.2 序列标注策略第39-40页
        3.2.3 双向长短期记忆网络第40-43页
        3.2.4 实体抽取功能的设计第43-45页
        3.2.5 实体抽取功能的实验第45-49页
    3.3 实体关系识别方法第49-50页
    3.4 基于深度学习的实体关系识别功能第50-61页
        3.4.1 双向门控循环单元第50-52页
        3.4.2 注意力机制第52-55页
        3.4.3 实体关系标签第55-56页
        3.4.4 实体关系识别功能的设计第56-59页
        3.4.5 实体关系识别功能的实验第59-61页
    3.5 知识图谱可视化第61-62页
    3.6 基于知识图谱的自动问答功能的设计第62-64页
    3.7 本章小结第64-65页
4 中文文本自动校对研究第65-77页
    4.1 文本错误类别第65-66页
        4.1.1 真词错误第65-66页
        4.1.2 句法语义错误第66页
    4.2 基于问答功能的中文文本校对的设计第66-71页
        4.2.1 文本校对功能第67-70页
        4.2.2 校对性能比较第70-71页
    4.3 中文文本自动评分方法第71-73页
        4.3.1 基于文本相似度的评分方法第72-73页
        4.3.2 基于机器学习的评分方法第73页
    4.4 基于问答功能的中文文本评分的设计第73-76页
    4.5 本章小结第76-77页
5 原型系统的设计与实现第77-98页
    5.1 自动问答系统第77-90页
        5.1.1 自动问答系统的设计第77-83页
        5.1.2 自动问答系统的实现第83-90页
    5.2 自动校对系统第90-97页
        5.2.1 自动校对系统的设计第90-93页
        5.2.2 自动校对系统的实现第93-97页
    5.3 本章小结第97-98页
6 总结与展望第98-100页
    6.1 论文总结第98-99页
    6.2 工作展望第99-100页
参考文献第100-105页
本文作者硕士期间取得的研究成果第105-107页
致谢第107-108页

论文共108页,点击 下载论文
上一篇:芒果可可球二孢对多菌灵抗性检测及抗性机制初步探讨
下一篇:福建省常见锥林的群落生态学研究