| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 问答系统研究的发展和现状 | 第12-14页 |
| 1.2.2 问题分类的主要任务 | 第14-15页 |
| 1.2.3 问答系统中的问题分类研究发展 | 第15-16页 |
| 1.2.4 深度学习在问题分类研究领域的发展与研究现状 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-20页 |
| 第二章 相关研究工作 | 第20-30页 |
| 2.1 传统机器学习模型与SVM | 第20-21页 |
| 2.2 人工神经网络及深度学习相关算法 | 第21-29页 |
| 2.2.1 人工神经网络 | 第22-25页 |
| 2.2.2 卷积神经网络 | 第25-27页 |
| 2.2.3 循环神经网络与长短期记忆模型 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于深度学习的中文问题分类组合模型设计 | 第30-40页 |
| 3.1 问题分类流程 | 第30-31页 |
| 3.2 模型结构 | 第31-38页 |
| 3.2.1 模型总体结构 | 第31-33页 |
| 3.2.2 嵌入层 | 第33-34页 |
| 3.2.3 LSTM层 | 第34-35页 |
| 3.2.4 卷积层 | 第35页 |
| 3.2.5 池化层 | 第35-36页 |
| 3.2.6 预防过拟合 | 第36-37页 |
| 3.2.7 问题分类 | 第37-38页 |
| 3.3 模型设计思想分析 | 第38-39页 |
| 3.3.1 字符向量的引入 | 第38页 |
| 3.3.2 字符向量与词向量的不同处理 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于深度学习的组合模型的问题分类实验 | 第40-57页 |
| 4.1 问题分类标准 | 第40-43页 |
| 4.2 问题分类语料集 | 第43-46页 |
| 4.2.1 语料集选择 | 第43-44页 |
| 4.2.2 语料集分析 | 第44-46页 |
| 4.3 评价标准 | 第46-47页 |
| 4.4 实验环境 | 第47页 |
| 4.5 基于本文模型的实验及结果分析 | 第47-53页 |
| 4.6 与基线分类器分类性能的比较 | 第53-55页 |
| 4.7 本章小节 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 未来工作的展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间参加的科研项目与取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |