面向经济责任审计的知识问答技术研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-15页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 经济责任审计研究现状 | 第10-11页 |
1.2.2 知识问答系统研究现状 | 第11-13页 |
1.3 论文主要研究内容 | 第13页 |
1.4 论文组织结构 | 第13-15页 |
第2章 相关理论及技术 | 第15-24页 |
2.1 问答库构建 | 第15-19页 |
2.1.1 文本预处理 | 第15-17页 |
2.1.2 领域词判定 | 第17-19页 |
2.2 答案检索 | 第19-23页 |
2.2.1 问句纠错 | 第20-21页 |
2.2.2 卷积神经网络 | 第21-23页 |
2.2.3 相似度计算 | 第23页 |
2.3 本章小结 | 第23-24页 |
第3章 经济责任审计领域问答库构建 | 第24-39页 |
3.1 领域问答库组织结构 | 第24-25页 |
3.2 领域词库构建 | 第25-35页 |
3.2.1 数据来源 | 第25-26页 |
3.2.2 基于网络爬虫的领域词获取 | 第26-31页 |
3.2.3 基于逻辑回归的领域词判定算法 | 第31-35页 |
3.3 领域FAQ库构建 | 第35-38页 |
3.3.1 数据来源 | 第35页 |
3.3.2 数据获取 | 第35-37页 |
3.3.3 问答对生成 | 第37-38页 |
3.4 本章小结 | 第38-39页 |
第4章 经济责任审计知识问答答案检索 | 第39-48页 |
4.1 答案检索流程 | 第39页 |
4.2 多维度问句纠错算法 | 第39-42页 |
4.2.1 基于贝叶斯方法的拼写纠错 | 第40-41页 |
4.2.2 基于拼音音节的编辑距离计算优化 | 第41-42页 |
4.2.3 基于N-Gram语言模型的纠错 | 第42页 |
4.3 基于卷积神经网络的问句匹配算法 | 第42-47页 |
4.3.1 卷积神经网络结构 | 第43-45页 |
4.3.2 词汇网络权重技术 | 第45-47页 |
4.4 本章小结 | 第47-48页 |
第5章 经济责任审计知识问答技术验证 | 第48-54页 |
5.1 知识问答系统框架 | 第48-49页 |
5.2 实验环境和方案 | 第49页 |
5.3 实验结果及分析 | 第49-53页 |
5.3.1 评估指标 | 第49-50页 |
5.3.2 领域词判定算法验证 | 第50-51页 |
5.3.3 答案检索算法验证 | 第51-53页 |
5.4 本章小结 | 第53-54页 |
结论 | 第54-55页 |
参考文献 | 第55-60页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第60-61页 |
致谢 | 第61页 |