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 |
