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 |