声明
致谢
摘要
第一章绪论
1．1研究背景及意义
1．2国内外主要研究现状
1．2．1问题分类研究现状
1．2．2答案选择研究现状
1．3本文主要工作
1．4论文组织结构
第二章相关理论与关键技术
2．1深度学习模型
2．1．1卷积神经网络
2．1．2长短时记忆模型
2．1．3注意力模型
2．2语言模型与文本表示
2．2．1语言模型
2．2．2词嵌入模型
2．2．3 Word2Vec
2．3本章小结
第三章基于社区问答文本的汽车知识问答系统框架构建
3．1汽车知识问答系统框架总体设计
3．1．1交互层
3．1．2任务层
3．1．3方法层
3．2汽车社区问答文本构建
3．2．1社区问答文本抓取
3．2．2问答对数据抽取
3．2．3社区问答文本数据标注
3．3汽车知识问答系统关键任务
3．3．1汽车问答文本问题分析与扩展
3．3．2问题答案对筛选与排序
3．4本章小结
第四章汽车问答文本分类模型
4．1基于深度学习的问题分类数据准备
4．1．1问题分类体系
4．1．2汽车问题文本预处理与标注
4．2基于疑问词注意力机制的问题分类模型
4．2．1深度学习对问题分类的影响
4．2．2疑问词注意力机制
4．2．3基于MAC-LSTM的分类模型
4．3实验结果与分析
4．3．1数据集与评价标准
4．3．2实验结果
4．4本章小结
第五章汽车问答文本答案选择模型
5．1基于深度学习的问题答案句子对建模
5．1．1汽车社区问答对数据准备
5．1．2基于卷积神经网络问题答案联合建模
5．1．3基于长短时记忆模型问题答案联合建模
5．2融合句内注意力机制的长短时记忆网络答案选择模型
5．2．1基于深度学习的答案抽取
5．2．2问题答案联合建模与问答协同注意力机制
5．2．3融合注意力机制的长短时记忆网络答案选择模型
5．3实验结果与分析
5．3．1数据集与评价标准
5．3．2实验结果
5．4本章小结
第六章总结与展望
6．1总结
6．2工作展望
参考文献
攻读硕士学位期间的学术活动及成果情况
