| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 问答系统结构 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.3.1 智能问答系统研究现状 | 第10-13页 |
| 1.3.2 问句分类技术研究现状 | 第13-14页 |
| 1.3.3 问句检索技术研究现状 | 第14-15页 |
| 1.4 主要研究内容 | 第15-16页 |
| 1.5 论文组织结构 | 第16-17页 |
| 第二章 数据获取与问句分析 | 第17-45页 |
| 2.1 数据获取 | 第17-22页 |
| 2.1.1 数据来源 | 第17-18页 |
| 2.1.2 数据获取 | 第18-22页 |
| 2.2 问句分析框架 | 第22-23页 |
| 2.3 数据预处理 | 第23-25页 |
| 2.3.1 领域词典 | 第23-24页 |
| 2.3.2 中文分词和词性标注 | 第24页 |
| 2.3.3 去停用词 | 第24-25页 |
| 2.4 特征词提取与扩展 | 第25-28页 |
| 2.4.1 近义词表 | 第25-27页 |
| 2.4.2 特征词提取 | 第27页 |
| 2.4.3 特征词扩展 | 第27-28页 |
| 2.5 基于类间与类内分布的TFIDF特征权重计算算法 | 第28-34页 |
| 2.5.1 TFIDF算法 | 第28-29页 |
| 2.5.2 互信息 | 第29-30页 |
| 2.5.3 信息熵 | 第30-31页 |
| 2.5.4 基于类间与类内分布的TFIDF特征权重计算算法 | 第31-34页 |
| 2.6 问句分类 | 第34-42页 |
| 2.6.1 问句分类体系 | 第35页 |
| 2.6.2 支持向量机 | 第35-38页 |
| 2.6.3 粒子群算法优化SVM参数 | 第38-40页 |
| 2.6.4 基于SVM的问句分类模型 | 第40-42页 |
| 2.7 实验及结果比分析 | 第42-44页 |
| 2.8 本章小结 | 第44-45页 |
| 第三章 基于LDA主题模型相似度计算的问句检索模型 | 第45-62页 |
| 3.1 信息检索模型 | 第45-46页 |
| 3.2 主题模型 | 第46-51页 |
| 3.2.1 潜在语义分析模型 | 第46-47页 |
| 3.2.2 概率隐性语义分析模型 | 第47页 |
| 3.2.3 LDA主题模型 | 第47-49页 |
| 3.2.4 LDA模型参数估计方法 | 第49-51页 |
| 3.3 基于LDA主题模型相似度计算的问句检索模型的构建 | 第51-58页 |
| 3.3.1 计算“问句-主题”分布和“主题-特征词”分布 | 第52-54页 |
| 3.3.2 新问句的主题概率分布参数估计 | 第54-55页 |
| 3.3.3 相似度计算 | 第55-58页 |
| 3.4 实验结果比较 | 第58-61页 |
| 3.4.1 评价指标 | 第58-59页 |
| 3.4.2 实验及结果分析 | 第59-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第四章 医疗领域智能问答原型系统设计 | 第62-70页 |
| 4.1 系统总体设计 | 第62-65页 |
| 4.1.1 系统设计思路 | 第64页 |
| 4.1.2 系统功能模块框架图 | 第64-65页 |
| 4.2 数据库设计 | 第65-67页 |
| 4.3 系统功能设计 | 第67-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第78页 |
