第一章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 论文组织结构
第二章 相关理论与技术
2.1 问答系统理论概述
2.2 自然语言处理相关技术
2.2.1 语言模型
2.2.2 词向量
2.2.3 相似文本的识别与检测
2.2.4 文本匹配
2.3 深度学习与卷积神经网络
2.3.1 深度学习
2.3.2 卷积神经网络
2.4 本章小结
第三章 基于自适应近邻图的相似问题识别框架
3.1 整体框架
3.2 孪生卷积神经网络
3.2.1 构建SCNN
3.2.2 生成近邻图
3.3 SAAG模型的关键方法—层级CNN
3.4 预测网络和目标函数
3.5算法描述
3.6 本章小结
第四章 SAAG模型及实验过程
4.1 实验环境
4.2 实验实施
4.2.1 实验数据集
4.2.2 数据预处理
4.2.3 超参数设置
4.2.4 算法评估方法
4.2.5 算法过程
4.2.6 方法对比
4.2.7 实验结果及讨论
4.3 对层级CNN有效性的分析
4.4 方法有效性论证
4.5 本章总结
总结与展望
工作总结
工作展望
参考文献
攻读学位期间发表的论文
声明
致谢
广东工业大学;
