面向消化内科辅助诊疗的生成式对话系统研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 关键技术研究现状 | 第12-18页 |
| 1.2.1 语料处理 | 第13-15页 |
| 1.2.2 对话系统 | 第15-18页 |
| 1.3 本文的主要工作及特色 | 第18-19页 |
| 1.4 本文的组织结构 | 第19页 |
| 1.5 本章小结 | 第19-21页 |
| 第2章 文本分词 | 第21-35页 |
| 2.1 中文分词常用方法 | 第21-26页 |
| 2.1.1 基于字符串匹配的分词方法 | 第21-23页 |
| 2.1.2 基于理解的分词方法 | 第23-24页 |
| 2.1.3 基于统计的分词方法 | 第24-25页 |
| 2.1.4 分词歧义 | 第25-26页 |
| 2.2 结巴分词 | 第26-28页 |
| 2.2.1 基于前缀词典生成有向无环图 | 第27页 |
| 2.2.2 最大概率路径选择 | 第27-28页 |
| 2.2.3 识别未知词 | 第28页 |
| 2.3 基于统计的消化内科分词 | 第28-32页 |
| 2.3.1 词典构建 | 第29-30页 |
| 2.3.2 歧义消除 | 第30页 |
| 2.3.3 实验结果及分析 | 第30-32页 |
| 2.4 本章总结 | 第32-35页 |
| 第3章 语料获取和分类 | 第35-47页 |
| 3.1 关键技术 | 第35-41页 |
| 3.1.1 Beautiful Soup爬虫 | 第35-36页 |
| 3.1.2 关键词提取算法 | 第36-38页 |
| 3.1.3 支持向量机 | 第38-40页 |
| 3.1.4 主动学习 | 第40-41页 |
| 3.2 语料获取及分类 | 第41-46页 |
| 3.2.1 句分类向量构建 | 第41-43页 |
| 3.2.2 分类模型 | 第43页 |
| 3.2.3 分类实验 | 第43-46页 |
| 3.3 本章总结 | 第46-47页 |
| 第4章 对话模型 | 第47-61页 |
| 4.1 关键技术 | 第47-51页 |
| 4.1.1 seq2seq模型 | 第47-50页 |
| 4.1.2 集束算法 | 第50-51页 |
| 4.2 对话模型 | 第51-59页 |
| 4.2.1 数据准备 | 第51页 |
| 4.2.2 向量构建 | 第51-52页 |
| 4.2.3 模型搭建与训练 | 第52-54页 |
| 4.2.4 实验结果及分析 | 第54-59页 |
| 4.3 本章总结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第69页 |
