| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 选题背景和意义 | 第9-11页 |
| 1.1.1 本文研究的选题背景 | 第9-10页 |
| 1.1.2 本文研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要工作和创新点 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 智能问答系统与深度学习相关研究 | 第16-31页 |
| 2.1 常见智能问答系统应用方法研究 | 第16-20页 |
| 2.1.1 基于FAQ的智能问答系统 | 第16-18页 |
| 2.1.2 基于机器学习的智能问答系统 | 第18-19页 |
| 2.1.3 智能问答系统结构总结 | 第19-20页 |
| 2.2 智能问答系统关键技术 | 第20-22页 |
| 2.2.1 中文分词 | 第21页 |
| 2.2.2 词向量工具Word2Vec | 第21页 |
| 2.2.3 图形数据库 | 第21-22页 |
| 2.3 深度学习算法研究 | 第22-29页 |
| 2.3.1 深度学习发展综述 | 第22-23页 |
| 2.3.2 深度学习算法应用于问答系统可行性分析 | 第23-24页 |
| 2.3.3 深度神经网络算法研究 | 第24-27页 |
| 2.3.4 深度网络结构研究 | 第27-29页 |
| 2.4 深度学习框架TensorFlow | 第29-30页 |
| 2.5 本章总结 | 第30-31页 |
| 第三章 基于深度波兹曼机的知识库模型构建 | 第31-45页 |
| 3.1 知识库构建过程描述 | 第31-33页 |
| 3.2 基于深度波茨曼机模型描述 | 第33-36页 |
| 3.3 吉布斯采样 | 第36-37页 |
| 3.4 实验数据 | 第37-38页 |
| 3.5 评测指标 | 第38页 |
| 3.6 实验及结果分析 | 第38-44页 |
| 3.6.1 实体单元识别 | 第39-42页 |
| 3.6.2 实体间关系识别 | 第42-44页 |
| 3.7 本章总结 | 第44-45页 |
| 第四章 基于语义模型与双边长短时记忆模型的混合模型 | 第45-56页 |
| 4.1 混合模型描述 | 第46-48页 |
| 4.2 实验数据 | 第48-49页 |
| 4.3 评测指标 | 第49页 |
| 4.4 实验及结果分析 | 第49-54页 |
| 4.5 本章总结 | 第54-56页 |
| 第五章 基于深度学习的电影领域问答系统实现 | 第56-67页 |
| 5.1 系统设计 | 第56-57页 |
| 5.1.1 体系结构 | 第56-57页 |
| 5.1.2 模块功能介绍 | 第57页 |
| 5.2 数据获取模块 | 第57-59页 |
| 5.2.1 模块架构 | 第57-58页 |
| 5.2.2 功能实现 | 第58-59页 |
| 5.3 知识库构建模块 | 第59-60页 |
| 5.3.1 模块架构 | 第59页 |
| 5.3.2 功能实现 | 第59-60页 |
| 5.4 数据存储模块 | 第60-61页 |
| 5.4.1 模块架构 | 第60页 |
| 5.4.2 功能实现 | 第60-61页 |
| 5.5 查询扩展模块 | 第61-63页 |
| 5.5.1 模块架构 | 第61-62页 |
| 5.5.2 功能实现 | 第62-63页 |
| 5.6 信息检索模块 | 第63-65页 |
| 5.6.1 模块架构 | 第63-64页 |
| 5.6.2 功能实现 | 第64-65页 |
| 5.7 实验及结果分析 | 第65-66页 |
| 5.8 本章总结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67-68页 |
| 6.2 未来工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |