| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文研究目标 | 第15-16页 |
| 1.4 本文主要研究工作 | 第16-17页 |
| 1.5 本文的结构安排 | 第17-18页 |
| 第2章 文本阅读问答任务中的条件编解码框架研究 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 递归神经网络 | 第18-21页 |
| 2.2.1 RNN-LSTM网络 | 第19-20页 |
| 2.2.2 RNN-GRU网络 | 第20页 |
| 2.2.3 编解码框架 | 第20-21页 |
| 2.3 基于递归神经网络的条件编解码框架研究 | 第21-26页 |
| 2.4 实验 | 第26-31页 |
| 2.4.1 实验数据集 | 第26页 |
| 2.4.2 实验评价指标 | 第26-27页 |
| 2.4.3 实验配置 | 第27-28页 |
| 2.4.4 实验结果 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 文本阅读问答任务中的问题理解技术研究 | 第32-44页 |
| 3.1 引言 | 第32-33页 |
| 3.2 条件编解码框架下的问题理解技术研究 | 第33-35页 |
| 3.3 基于树形递归神经网络的问题理解技术研究 | 第35-37页 |
| 3.4 基于问题词频滤波器的问题理解技术研究 | 第37-39页 |
| 3.4.1 不同问题类型对于寻找答案难易的探索 | 第37-38页 |
| 3.4.2 用问题词频滤波器对问题进行分解和建模 | 第38-39页 |
| 3.5 实验 | 第39-43页 |
| 3.5.1 基于树形递归神经网络的问题理解实验验证 | 第39-40页 |
| 3.5.2 不同问题类型对于寻找答案难易的探索 | 第40-41页 |
| 3.5.3 用问题词频滤波器对问题进行建模的实验验证 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 文本阅读问答任务中的问题自适应技术研究 | 第44-54页 |
| 4.1 引言 | 第44页 |
| 4.2 基于记忆网络的问题自适应技术研究 | 第44-49页 |
| 4.2.1 区分性模块 | 第45-47页 |
| 4.2.2 问题自适应算法 | 第47-49页 |
| 4.3 实验 | 第49-53页 |
| 4.3.1 实验设置 | 第49页 |
| 4.3.2 实验结果及分析 | 第49-51页 |
| 4.3.3 案例分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-57页 |
| 参考文献 | 第57-65页 |
| 致谢 | 第65-67页 |
| 在读期间发表的学术论文与取得的研究成果 | 第67-68页 |