| 摘要 | 第5-6頁 |
| ABSTRACT | 第6-7頁 |
| 符號對照表 | 第11-12頁 |
| 縮略語對照表 | 第12-15頁 |
| 第一章 緒論 | 第15-21頁 |
| 1.1 研究背景與研究意義 | 第15-16頁 |
| 1.2 國內外研究現狀 | 第16-17頁 |
| 1.3 研究目標與研究內容 | 第17-18頁 |
| 1.4 論文組織結構 | 第18-21頁 |
| 第二章 問答系統的相關理論和技術 | 第21-37頁 |
| 2.1 | 第21-28頁 |
| 2.1.1 基于TF-IDF的語義相似度計算 | 第21-22頁 |
| 2.1.2 基于潛在語義索引主題模型的語義相似度計算 | 第22頁 |
| 2.1.3 基于詞向量的語義相似度計算 | 第22-25頁 |
| 2.1.4 基于Siamese循環網絡的語義相似度計算 | 第25-28頁 |
| 2.2 問題分類方法 | 第28-35頁 |
| 2.2.1 基于樸素貝葉斯的分類方法 | 第28-29頁 |
| 2.2.2 支持向量機分類 | 第29-34頁 |
| 2.2.3 基于Bi-LSTM模型的分類方法 | 第34-35頁 |
| 2.3 本章小節 | 第35-37頁 |
| 第三章 問答系統的總體設計 | 第37-45頁 |
| 3.1 問答系統的開發目標 | 第37-38頁 |
| 3.2 問答系統的設計思路 | 第38頁 |
| 3.3 需求分析 | 第38-40頁 |
| 3.3.1 功能性需求 | 第39頁 |
| 3.3.2 非功能性需求 | 第39-40頁 |
| 3.4 系統的工作流程與模塊設計 | 第40-43頁 |
| 3.4.1 語義相似度檢測模塊 | 第41-42頁 |
| 3.4.2 問題分類模塊 | 第42頁 |
| 3.4.3 口腔修復問答模塊 | 第42頁 |
| 3.4.4 閑聊模塊 | 第42-43頁 |
| 3.5 本章小結 | 第43-45頁 |
| 第四章 問答系統的核心算法設計 | 第45-59頁 |
| 4.1 語義相似度計算算法設計 | 第45-54頁 |
| 4.1.1 基于Siamese Attention Bi-LSTM的語義相似度計算 | 第45-46頁 |
| 4.1.2 基于預訓練模型BERT的語義相似度計算 | 第46-51頁 |
| 4.1.3 實驗測試 | 第51-54頁 |
| 4.2 問題分類算法設計 | 第54-57頁 |
| 4.2.1 基于采用高斯核函數的非線性SVM的問題分類方法 | 第54頁 |
| 4.2.2 基于Attention Bi-LSTM網絡的問題分類方法 | 第54頁 |
| 4.2.3 基于預訓練模型BERT的問題分類算法 | 第54頁 |
| 4.2.4 實驗測試 | 第54-57頁 |
| 4.3 本章小結 | 第57-59頁 |
| 第五章 問答系統的實現與測試 | 第59-81頁 |
| 5.1 系統實現 | 第59-71頁 |
| 5.1.1 問答系統的展示平臺 | 第59-62頁 |
| 5.1.2 語義相似度檢測模塊 | 第62-63頁 |
| 5.1.3 問題分類模塊 | 第63-64頁 |
| 5.1.4 口腔修復問答模塊 | 第64-69頁 |
| 5.1.5 閑聊模塊 | 第69-71頁 |
| 5.2 系統核心性能測試 | 第71-74頁 |
| 5.2.1 問答系統的準確率測試 | 第71-73頁 |
| 5.2.2 系統響應時間測試 | 第73-74頁 |
| 5.3 系統功能展示 | 第74-79頁 |
| 5.3.1 公眾號界面 | 第74-75頁 |
| 5.3.2 智能問答系統功能 | 第75-77頁 |
| 5.3.3 公眾號中的其他功能 | 第77-79頁 |
| 5.4 本章小結 | 第79-81頁 |
| 第六章 總結與展望 | 第81-83頁 |
| 6.1 總結 | 第81-82頁 |
| 6.2 展望 | 第82-83頁 |
| 參考文獻 | 第83-85頁 |
| 致謝 | 第85-87頁 |
| 作者簡介 | 第87-88頁 |
廣告服務 
