第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:48
486KB
在知识工程、互联网以及自然语言处理技术的推动下，问答系统 取得了一定进展
数据源:从限定领域向开放领域发展，从小规模向海量发展
提问类型:从受限类型向开放类型发展
参与者:领域专家到普通用户，门槛越来越低
知识贡献:从个人独享到大众知识分享
2021-08-15 02:00:26
4.24MB
支招网问答系统，基于 thinkphp 内核开发的问答系统源码。支招网问答系统将各种问题，发布帖子，网友一起支招，是一个互助友爱的问答社区，支招解答，一起成长；可以在后台单页管理那里修改；发布帖子，网友一起支招。
2021-08-07 09:10:39
6.27MB
业分类-物理装置-一种构建家电维修问答库的方法、装置、存储介质及终端.zip
2021-08-06 22:15:40
537KB
2020医疗招聘面试资料：中医面试专业知识问答.doc#资源达人分享计划#
2021-08-06 13:04:30
31KB
1
本文主要是对在线问诊中产生的医疗文本进行命名实体识别的研究.使用在线医疗问答网站的数据，采用{B，I，O}标注体系构建数据集，抽取疾病、治疗、检查和症状四个医疗实体.以BiLSTM-CRF为基准模型，提出两种深度学习模型IndRNN-CRF和IDCNN-BiLSTM-CRF，并在自构建数据集上验证模型的有效性.将新提出的两种模型与基准模型通过实验对比得出：模型IDCNN-BiLSTM-CRF的F1值0.8116，超过了BiLSTM-CRF的F1值0.8009，IDCNN-BiLSTM-CRF整体性能好于BiLSTM-CRF模型；模型IndRNN-CRF的精确率0.8427，但该模型在召回率上低于基准模型BiLSTM-CRF.
2021-08-05 11:01:14
1.36MB
1