首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

养老保险领域问答系统关键技术研究

摘要第5-6页
abstract第6-7页
第1章 绪论第10-18页
    1.1 研究背景和意义第10-11页
    1.2 国内外研究现状第11-15页
        1.2.1 养老保险领域知识问答技术研究现状第11-12页
        1.2.2 问答系统国内外研究现状第12-14页
        1.2.3 本体构建国内外研究现状第14-15页
    1.3 论文研究内容第15-16页
    1.4 论文组织结构第16-18页
第2章 相关理论与技术第18-30页
    2.1 知识表示方法第18-19页
    2.2 语料处理技术第19-21页
        2.2.1 中文分词第19-20页
        2.2.2 词性标注第20-21页
    2.3 问题分类相关技术第21-28页
        2.3.1 卷积神经网络第21-23页
        2.3.2 长短期记忆网络第23-26页
        2.3.3 特征向量训练第26-28页
    2.4 本章小结第28-30页
第3章 基于文本的领域本体构建技术研究第30-48页
    3.1 领域知识来源第30页
    3.2 基于文本的领域本体构建流程第30-31页
    3.3 领域核心本体第31-32页
    3.4 领域本体概念抽取第32-35页
        3.4.1 领域候选概念的获取第33-35页
        3.4.2 领域候选概念的筛选第35页
    3.5 领域本体关系抽取第35-43页
        3.5.1 领域本体层次关系抽取第35-41页
        3.5.2 领域本体非层次关系抽取第41-43页
    3.6 领域本体构建技术的实验与分析第43-45页
        3.6.1 开发环境和工具第43页
        3.6.2 实验结果与分析第43-45页
    3.7 本体知识库可视化第45-46页
    3.8 本章小结第46-48页
第4章 基于多特征融合的问题分类模型第48-63页
    4.1 语料预处理与架构图第48-50页
    4.2 多特征构建第50-52页
        4.2.1 词向量构建第50页
        4.2.2 词性特征第50-51页
        4.2.3 本体语义特征第51-52页
    4.3 多特征融合第52-53页
    4.4 BI-LSTM+卷积神经网络分类模型第53-57页
        4.4.1 Bi-LSTM第53-54页
        4.4.2 卷积神经网络第54-56页
        4.4.3 模型参数初始化第56-57页
        4.4.4 正则化技术第57页
    4.5 问题分类模型实验第57-61页
        4.5.1 训练数据构造第57-58页
        4.5.2 分类体系第58-59页
        4.5.3 模型训练第59页
        4.5.4 特征向量融合方法对比实验与分析第59-60页
        4.5.5 模型与特征对比实验结果与分析第60-61页
    4.6 本章小结第61-63页
结论第63-66页
参考文献第66-72页
攻读硕士学位期间发表的论文和取得的科研成果第72-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:基于神经网络的语音情感识别算法研究
下一篇:三维有序大孔氧化铟气敏传感器的设计