一、远程智能答疑系统中FAQ的形成机制（论文文献综述）
丰乃波[1]（2016）在《以学习者为中心的远程智能答疑系统的设计与实现》文中提出伴随着因特网技术的快速发展和网络信息技术应用的全面普及,以网络信息技术为基础的远程教育也受到越来越多人的关注和重视。在远程网络教育里的一个重要环节就是答疑解惑,它直接关系到网络远程教育质量的好坏。在远程教育活动中,学习者是处于中心地位的。当前世界上有很多的研究所为了解决学生的疑难问题,有效地提高远程教学的质量,都在尝试设计开发智能答疑系统。但当前针对智能答疑系统的研究太过于片面地追求其技术指标,而忽视了相关的教育教学理论对于系统开发的指导作用和理论支持,使得学习者在应用答疑系统的时候无法完全参与进来,没有体现出学习者在远程教育过程里的中心地位。与此同时,当前的很多答疑系统由于涉及到的答疑知识范围面太广且分散,使得学生在使用时会有一种大海捞针的感觉,进而产生迷航感。如若想要使智能答疑系统能够给学习者提供有效的学习支持,能够使其满足以学习者为中心的特点,就需要对网络学习者的学习规律进行相应的分析与总结,结合多种学习理论的优点,以此为理论基础,来设计开发一个实用性强且具有良好性能的智能答疑系统。基于此,本文通过对国内外智能答疑系统的现状研究,分析了智能答疑系统的教育理论基础,受到第五代远程教育模式的启发,确立了结合人本主义、建构主义及协作学习模式的系统模型和工作流程,并探讨了如何开展协作,如何设立激励机制在平等、互助的氛围来强化学习者的中心地位。通过增加专业课程关键词分词词典库弥补了中文分词的不足,有效地提高了分词的准确率,在课程领域知识库方面,通过知识库关键词特征方法与词义距离相似度计算等匹配方法,应用基于章节的快速定位技术和关键词索引结合的方法,使系统可以快速给出问题答案,从而使系统能够实现及时有效地解决学生在学习中的疑问,能够激发学习者的学习兴趣、促进其对于知识的建构、提高其学习能力。本论文首先阐述了研究智能答疑系统的背景和意义,在比较现有答疑系统的基础上,对智能答疑系统涉及的基本教育学习理论知识和关键技术进行了分析,并依照相关理论设计了系统模型和工作流程,初步建立了基于计算机网络课程的知识库,并给出了以学习者为中心的智能答疑系统完整的体系结构及其架构开发模式,最后说明了智能答疑系统的实现方法。
杨敬妹[2]（2014）在《文本分类算法分析及其在智能答疑系统中的应用研究》文中提出文本分类算法主要是用来处理文本数据的，它首先对自然语言进行分析，过滤干扰信息，在给定类别的前提下，对文本的内容进行分类处理，最终成功的对文本进行分类。现阶段，虽然文本分类模型已经趋近于成熟，但也并没有达到完美。随着网络技术的飞速发展，远程教育系统在网络上应用的越来越广，智能答疑系统也随之产生，并成为一个非常值得研究的课题。它允许用户进行自然语言提问，无需用户手工查找，就能够返回给用户精准的答案。与传统的关键字匹配技术相比，智能答疑系统能更好地满足用户的查询需求。但是目前的智能答疑系统，回答问题的精准度和时间效率都不够理想。论文在参考大量文献的基础上对文本分类的重点、难点和主要算法进行了分析，并针对特征选择算法中的信息增益算法进行了改进；用信息增益改进算法，联合相似度计算方法，对KNN分类模型进行改进。论文把改进的算法和改进的KNN分类器运用到智能答疑系统中，构建出一个精准度更高、时间效率更好的智能答疑系统模型。该模型在关键词查找阶段，用信息增益改进算法提取关键词，进行匹配；在问题库分类阶段，用改进的KNN分类模型进行分类。实验结果证明，文本分类算法应用到智能教学系统中是可行的，它提高了系统的准确率，缩短了查询时间。
刘松平[3]（2012）在《智能答疑平台的研究与实现》文中提出针对在课程教育过程中出现的教师、学生之间面对面的信息交流时间不够，效率低下，学生在学习过程中，积压的问题不断增加，传统的教学方式完全移植到网络中造成教学模式不灵活的问题，影响课程的教学质量，研究和设计实现了一个智能答疑系统。针对传统的答疑平台在进行问题关键词检索时，存在答案丰富多彩，不能准确定位，精确度不够，同时查询速度较慢等问题，提出了一种基于关键字加权的算法，该算法是在原来基于关键词特征的方法和基于词义距离的相似度方法的基础之上，根据目前汉语的特点，结合问题句的分词方法以及关键词的加权处理，即：对问题句进行分词处理，提取关键字，然后对关键字进行加权，根据各关键字的权值判断出现的同现频率值，然后判断各词的同现频率值在某范围内时即可存储关键字库，这样便于有效快速的对问句与答案进行定位，提高精确度。为了提高答案的准确度，改进了一种句子相似度的计算方法。传统的基于词义距离的相似度方法体现了组成句子的每个词深层的语义信息。在这两种方法的基础上进行了优化，从关键字特征和句子的词义距离相似度两个方面进行考虑，视为句子的二维向量，通过获取句子的二维向量值，从这两个方面进行比较、分析，得到句子的相似度，那么这样的改进方法可以获取更多的信息，更加准确的描述句子的内容。针对传统的答疑平台采用的一对一或一对多的模式所存在基础知识体系缺乏完整的信息资源，信息响应机制较慢等不足，研究并实现了一种多对多的答疑模式。首先构建了概念字典库，形成概念和概念集之间的映射关系，再根据概念的学科领域进行分类，实现概念的自动定位功能和概念网络的构建。其次将专家经验、基础知识内容进行整合分类形成知识的存储机构即智能答疑知识库，即建立了信息资源较为丰富的信息资源库。然后通过快速的问题匹配、输出机制实现多对多的智能答疑系统。设计和实现了一个智能答疑系统，主要针对《C#程序设计》课程教学进行实际测试和应用，验证了关键字加权算法和改进的句子相似度算法确实能有效的提高答案的准确度和查询速度，准确度提高了39%，信息响应时间得到较大的缩短，取得了不错的效果。
阴桂梅,郭广行[4]（2011）在《智能答疑系统模型设计》文中认为针对目前高校质量工程中精品课程建设存在的问题,智能答疑系统以提高学生个性化学习的能力。首先分析当前智能答疑系统存在智能性不足、答疑手段单一、答案或知识的结构不良、呈现方式不够丰富等不足,然后对当前的智能答疑系统进行改进,设计出了一个网上智能答疑系统模型。另外,本系统模型特别对标签检索模块进行了设计,在建好标签库的基础上,专门为用户设计了基于标签检索的页面,这样可以节省时间,提高系统的运行效率。
刘照然[5]（2010）在《远程教育中智能答疑系统的研究与实现》文中进行了进一步梳理在科技发展和社会需求的推动下,远程教育作为现代教育发展的一种新模式应运而生,并且越来越壮大。它与传统教学相比,一方面突破了传统教育在教学资源和教学环境上的限制,跨越了教育在时空上的限制,使教育资源的普遍共享成为可能；另一方面,远程教学由于技术上的特征使学习过程中学生的自主学习成为现实。但是由于远程教育中教师和学生在地理位置上的分离,学习者没有了老师面对面的解释和演绎必须进行自主学习,那么如何及时解决大量学生的疑难问题,是远程教育实施中必须要考虑的。本文首先论述了研究智能答疑系统的背景和意义,分析了国内外现有答疑系统的现状,在综合研究了答疑系统中所用的理论和技术的基础上设计出一个智能性的答疑系统。建立了涵盖专业知识信息和常见问题解答的答疑材料库作为答疑的素材来源,系统对学生提出的问题进行中文分词、关键词的权重计算后进入答疑材料库全文检索,将学生提出的问题和答疑材料库中的问题进行相似度计算后,找到与学生问句相似度最接近的问题,并把答案返回给学生,实现答疑系统的智能性。
刘长国[6]（2009）在《智能答疑系统中FAQ检索模块研究与开发 ——以《Visual Basic 6.0程序设计》课程为例》文中研究表明答疑解惑是网络教学活动中一个必备的环节,而这一环节之中,学生的问题往往都是FAQ （Frequently Asked Questions）,因此对答疑效果影响最大的是如何快速、准确的检索出FAQ答案。为此,本文以DotLucene和中文分词技术为基础,结合知识本体方面知识,实现了智能答疑系统中FAQ检索模块的设计与开发。论文的主要工作包括：1、构建课程知识导航目录。以课程知识本体理论为基础,按教学大纲的要求建立课程知识导航目录（以《Visual Basic 6.0程序设计》课程为例）,同时以此为基础建立知识分类库。2、前台结合DotLucene的分词和索引功能,对数据建立索引,使数据检索更快。3、改进DotLucene的中文分词算法,使DotLucene更好的支持中文分词功能。4、实现了智能答疑系统中FAQ检索模块设计与开发。
王波[7]（2009）在《基于移动学习的智能答疑系统的研究与设计》文中提出随着移动通信、无线网络的迅速发展,特别是手持式移动设备计算能力、存储能力、显示效果等方面的增强和提高,利用手机、PDA等移动设备开展的移动学习也备受关注。作为移学习平台,答疑功能是其不可缺少的一部份。本文借助全文检索系统Lucnen.NET,研究和设计了一个基于移动学习的智能答疑系统,以下简称为移动智能答疑系统。移动智能答疑系统是针对历史学科建立的一个学科性问答系统,学生可以在任何时间任何地点通过移动设备访问系统完成答疑学习活动。为了保证在学生提出疑问后能够获得高质量的答案信息,系统提供了两种问题检索方案:针对性检索和全文检索。前者是通过在FAQ库中查找“问题-答案”对而完成的,其在答案查找正确的情况下,具有非常高的准确率。而后者则是通过Lucene.NET全文检索系统而完成一种模糊检索,这种方式能够检索到所有与问题相关的答案,体现了答疑系统较高的召回率。对于系统的智能性,主要体现在对自然语言的理解、FAQ库的设计两个方面;答案搜索策略对系统的准确率提升也有一定的作用。自然语言理解是答疑系统提高答案准确率的前提。本文通过对现有分词词典的研究,在总结各种构造分词词典方法优缺点的基础上,设计了一个适合历史学科词汇特点的分词词典,并且完成了基于此词典的分词算法的设计。为了提高学生提交的问题与FAQ库中存储问题的匹配度,我们设计了一个适合学科性问答系统的FAQ库。通过研究问句组成形式及问句问题分类,我们将FAQ库中的问句拆分成几组关键词,本文中将这些能够代替某一问题的几组关键词称为主要关键词组。一个问题对应一组主要关键词组,在FAQ库中,对问题的查找过程就可以转化为对主要关键词组的查找过程。有些情况下,分词得到的主要关键词组不能与数据库中代表问题的主要关键词组完全匹配,为了得到高精确度的答案,就需要通过计算两种关键词组之间的匹配度,取得匹配度高的主要关键词组所对应的问题及答案,将它们返回给用户。在实际情况下,针对性检索并不能满足学生查找问题的需求,此时就可以选择模糊检索方式,通过Lucene.NET全文检索系统进行问题查找。本文介绍了Lucene.NET的基本原理和应用方法。如果在上述两种检索方式下都无法获得答案,那么学生可以将问题提交到待答问题库,待专家或教师解疑后,自动接受系统通过短信形式回发的答案,从而完成答疑功能。
刘凤七[8]（2009）在《网络课程的智能答疑系统研究与设计》文中研究指明网络课程智能答疑系统是当前自然语言处理领域的热点和难点,它综合运用自然语言处理、信息检索等技术,针对自然语言描述的问题,自动生成简洁、准确的答案。让计算机完全理解人类语言是非常困难的,因此目前还没有出现成熟的智能答疑系统。本文在论述国内外答疑系统研究现状、相关理论及实现技术的基础上,分析了目前国内答疑系统存在的主要障碍,如自然言语言理解的技术不高、知识库的资源不够丰富、答疑方式单一等。为了克服这些障碍,本文设计了一个网络课程智能答疑系统,该系统的设计主要从自然语言理解技术和知识库的建设这两个方面的研究出发,来提高系统的智能性和实用性。同时这也是本文的创新之处。对于自然语言理解,以往的做法只是简单对提出的问题进行自动分词,以获取关键词词语本身,没有对问题的语义进行分析和理解。本文从语义分析的角度出发,采用基于特定领域的加权语义相似度计算方法实现学生问句与知识库中的问句的相似度计算,提高自然语言理解的能力,从而也提高了智能答疑的准确率。对于知识库的建构,除了用传统的关系统数据库来存储数据外,本文还引用XML技术来构建知识库,保证了知识的开放性和知识的自主拓展能力。
王海燕[9]（2008）在《网络智能答疑系统模型的研究》文中研究表明网络技术的出现和发展使得基于网络的远程教育作为一种新的教学模式迅速发展起来。它克服了传统教育在时间、空间上的限制,提供了便捷的学习方式、多样的学习环境和丰富的学习资源。然而这种教育模式将教师和学生分离开来,无法进行面对面的交流与解释,学习者的疑问无法得到及时的解答,因此建立智能答疑系统模型就成了开发网络教学系统的重要任务之一。答疑系统作为网络教育的一个重要组成部分,在帮助学生解除疑惑、获取知识、加强师生交流方面发挥着重要作用。然而传统的答疑系统主要是基于关键词匹配,不具有语义理解功能,因而不能实现问题答案的语义级的匹配,远远不能满足日益增长的网络教育需要。本文在深入研究自动问答相关理论和技术的基础上,分析了智能答疑的关键技术,针对用户问句分词不准确的问题,采用了基于概念词典和常用词典的字符串逆向最大匹配分词算法,提高了分词的准确度;针对标注后的问句向量与常问问题集中问题匹配度比较低的问题,采用了关键词的规范化机制,从而使问句尽量与问题集中问题匹配,省略了后面复杂的相似度计算,提高检索速度;针对问句关键词扩展后“噪音”信息过多的问题,建立了关键词的分级扩展机制,避免了扩展后检索主题的漂移并给用户提示作用以启发式查找;针对传统的向量空间模型未考虑不同关键词在检索答案时影响不同的问题,提出了一种基于分解的向量空间模型和语义概念的问句相似度计算方法,提高了相似度计算的准确性。基于以上的关键技术,本文提出了一种新的网络智能答疑系统模型,并分析了模型中的各个处理模块,给出了系统模型的处理流程。本系统模型实现了答疑系统的语义理解,提高了现有网络答疑系统的效率,并具有一定的智能性。
李艳丹[10]（2008）在《社区医疗网络服务系统的研究和实现》文中提出近年来,世界人口趋于老龄化,慢性病患者也在增加。随着人们生活水平的提高和生活方式的改变,人类对医疗保健的要求越来越高。网络通讯技术的发展使计算机及其应用已渗透到人类生活的各个方面,医疗领域的许多服务都可以通过网络实现。本文分析了我国社区医疗服务现状和社会需求,提出了健康管理的个性化服务方案,将社区医疗服务形式网络化。其中,主要对远程家庭监护、健康状况预测、和网络答疑三个子系统等进行了研究,使患者不受地理位置限制,能享受更全面的医疗服务。该课题在社区医疗中具有很高的应用价值,因而其研究具有重要的现实意义。家庭监护是该课题研究的一个重要部分,社区的病重患者按医生要求佩戴多参数便携监护仪,通过传感器节点采集病人的重要生理指数,包括音视频信息,利用通信传输技术将这些数据以无线方式传送到医疗监护中心,以便在需要时调用。健康状况预测,即患者根据自己症状进行测试,以随时掌握病情,控制病发危险因素。其中,测试可分为两种方式:通过疾病类型或典型部位症状进行测试。以高血压为例,通过身体典型器官的症状测试,分析与病发有关的生物医学指标,来判断患者的病危程度。同样,可以针对其他慢性病特点设计相应的预测界面。网络答疑为用户提供了智能化的咨询服务,分自动答疑和辅助答疑两部分:自动答疑允许用户在知识领域库内快速搜索,也可以通过Web浏览器获取互联网的相关信息;辅助答疑可以通过即时通讯工具和非即时通讯相结合的方式,从而为用户答疑解惑提供更快捷的服务。
二、远程智能答疑系统中FAQ的形成机制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、远程智能答疑系统中FAQ的形成机制（论文提纲范文）
（1）以学习者为中心的远程智能答疑系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 引言 |
| 1.1 论文研究背景 |
| 1.2 智能答疑系统的国内外研究现状 |
| 1.2.1 国外现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究目的与意义 |
| 1.4 本文的主要工作 |
| 第2章 系统实现的理论基础和技术基础 |
| 2.1 第五代远程教育模式 |
| 2.1.1 第五代远程教育模式概述 |
| 2.1.2 将第五代远程教育模式使用到智能答疑系统设计中 |
| 2.2 人本主义学习理论概述 |
| 2.2.1 对设计以学习者为中心的智能答疑系统的启迪 |
| 2.3 建构主义学习理论 |
| 2.3.1 对研究开发以学习者为中心的智能答疑系统的启迪 |
| 2.4 协作学习模式 |
| 2.5 相关技术 |
| 2.5.1 中文分词技术 |
| 2.5.2 语句相似度算法 |
| 2.5.3 MVC(Model View Controller) |
| 第3章 智能答疑系统的需求分析 |
| 3.1 系统的需求分析 |
| 3.1.1 获取和组织用例 |
| 3.1.2 用例图 |
| 3.1.3 详细的描述用例 |
| 3.2 需求概要 |
| 3.2.1 用户需求 |
| 3.2.2 功能需求 |
| 3.3 系统性能的需求分析 |
| 3.4 本章小结 |
| 第4章 智能答疑系统的设计 |
| 4.1 系统的总体设计理念分析 |
| 4.2 系统的设计思想 |
| 4.3 智能答疑系统的总体结构 |
| 4.4 系统的工作流程 |
| 4.5 系统知识库的设计 |
| 4.5.1 知识库数据来源 |
| 4.5.2 知识库的快速定位技术 |
| 4.6 数据库设计 |
| 4.6.1 数据库概念设计 |
| 4.6.2 创建数据库及数据表 |
| 第5章 智能答疑系统的实现 |
| 5.1 系统开发环境 |
| 5.1.1 web服务器 |
| 5.1.2 PHP技术 |
| 5.1.3 MySQL技术 |
| 5.2 用户界面实现 |
| 5.2.1 注册功能的实现 |
| 5.2.2 登录功能的实现 |
| 5.3 智能答疑模块的实现 |
| 5.3.1 问题文本自动分词的实现 |
| 5.3.2 提取出关键词的逻辑算法 |
| 5.3.3 从知识库里检索出参考答案 |
| 5.4 智能答疑系统中异步答疑功能的实现 |
| 5.4.1 发表问题模块概述 |
| 5.4.2 回复问题模块实现 |
| 5.5 系统测试 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来的发展方向 |
| 参考文献 |
| 攻读学位期间的研究成果及所获荣誉 |
| 致谢 |
（2）文本分类算法分析及其在智能答疑系统中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外现状 |
| 1.3 主要研究内容 |
| 1.4 论文的组织结构 |
| 第二章 文本分类相关理论 |
| 2.1 文本分类的一般过程 |
| 2.1.1 文本分类 |
| 2.1.2 文本分类的一般过程 |
| 2.2 文本处理 |
| 2.2.1 中文分词的现状及应用 |
| 2.2.2 中文分词技术的重点难点 |
| 2.2.3 中文分词技术的主要算法 |
| 2.3 文本表示 |
| 2.4 特征性选择与降维 |
| 2.4.1 特征选择 |
| 2.4.2 特征选择常用算法 |
| 2.5 文本分类算法 |
| 2.5.1 朴素贝叶斯分类方法 |
| 2.5.2 支持向量机(SVM) |
| 2.5.3 决策树 |
| 2.6 评价方法 |
| 2.7 本章小结 |
| 第三章 智能答疑系统 |
| 3.1 智能答疑系统的理论基础 |
| 3.1.1 行为主义学习理论 |
| 3.1.2 认知主义学习理论 |
| 3.1.3 人本主义学习理论 |
| 3.2 智能答疑系统的设计指导规范 |
| 3.3 智能答疑系统的特点分析 |
| 3.4 智能答疑系统的研究目标 |
| 3.5 智能答疑系统应用的主要技术 |
| 3.5.1 知识库的构建技术 |
| 3.5.2 句子相似度计算 |
| 3.5.3 答案定位技术 |
| 3.5.4 访问控制技术 |
| 3.6 本章小结 |
| 第四章 文本分类算法的改进 |
| 4.1 信息增益算法及其改进 |
| 4.1.1 信息增益算法分析 |
| 4.1.2 信息增益算法的改进 |
| 4.1.3 实验测试 |
| 4.2 相似度计算 |
| 4.3 KNN 算法及其改进 |
| 4.3.1 传统的 K-最近邻分类(KNN) |
| 4.3.2 KNN 算法的改进 |
| 4.3.3 实验测试 |
| 4.4 本章小结 |
| 第五章 文本分类算法在智能答疑系统模型中的应用 |
| 5.1 系统知识的来源 |
| 5.2 系统功能需求 |
| 5.3 系统模型设计 |
| 5.3.1 用户类型分类 |
| 5.3.2 后台知识库设计 |
| 5.3.3 系统的主要功能 |
| 5.3.4 工作流程 |
| 5.3.5 资料库设计 |
| 5.3.6 答疑系统的开发环境和客户端 |
| 5.3.7 系统的功能界面实现 |
| 5.4 实验结果与分析 |
| 5.4.1 测试环境 |
| 5.4.2 测试样本 |
| 5.4.3 测试结果 |
| 5.4.4 实验结果分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（3）智能答疑平台的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 插图索引 |
| 附表索引 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究意义 |
| 1.4 本文的研究内容 |
| 1.5 本文的主要结构 |
| 第二章 概念字典与词库 |
| 2.1 概念字典模型 |
| 2.1.1 专业关键词 |
| 2.1.2 专业关键词权重 |
| 2.1.3 概念字典的建立 |
| 2.1.4 概念字典应用举例 |
| 2.2 概念字典在本系统中的应用与分析 |
| 2.2.1 应用 |
| 2.2.2 分析 |
| 2.3 概念词库处理 |
| 2.3.1 通用词库 |
| 2.3.2 停用词库 |
| 2.4 本章小结 |
| 第三章 答疑系统计算模型 |
| 3.1 问句预处理 |
| 3.1.1 汉语的特点 |
| 3.1.2 问题分词 |
| 3.1.3 问句类型的确立 |
| 3.1.4 关键词提取 |
| 3.2 启发式分析 |
| 3.2.1 关键词扩展分析 |
| 3.2.2 相关问题分析 |
| 3.3 句子计算相似度方法 |
| 3.3.1 句子相似度介绍 |
| 3.3.2 基于关键词特征的句子相似度计算 |
| 3.3.3 基于词义距离的句子相似度计算 |
| 3.3.4 改进的句子相似度平面计算模型 |
| 3.4 本章小结 |
| 第四章 系统知识库 |
| 4.1 系统知识库的建立 |
| 4.2 常问问题集 |
| 4.2.1 常问问题集的定义 |
| 4.2.2 常问问题库的结构 |
| 4.2.3 常问问题库的形成机制 |
| 4.3 多对多答疑机制 |
| 4.3.1 答疑机制模型 |
| 4.3.2 问题库处理机制 |
| 4.3.3 领域智能答疑知识库 |
| 4.3.4 智能答疑日志库 |
| 4.4 本章小结 |
| 第五章 系统总体设计方案与实现 |
| 5.1 智能教学系统总体结构图 |
| 5.2 智能答疑系统流程图 |
| 5.3 智能答疑系统的实现 |
| 5.3.1 系统总体框架的实现 |
| 5.3.2 系统关键功能的实现 |
| 5.3.3 智能答疑系统其它功能的实现 |
| 5.3.4 系统的测试 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
| 附录 B 攻读学位期间所参与的科研活动 |
（4）智能答疑系统模型设计（论文提纲范文）
| 1 基于Web的智能答疑系统模型 |
| 2 网上智能答疑系统主要功能模块 |
| 2.1 系统登录模块 |
| 2.2 FAQ库 |
| 2.3 知识库模块 |
| 2.4 标签模块 |
| 2.5 答疑模块 |
| 3 结 论 |
（5）远程教育中智能答疑系统的研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内网上智能答疑系统发展现状 |
| 1.2.2 国外网上智能答疑系统发展现状 |
| 1.3 本文研究内容和章节安排 |
| 1.3.1 本文研究内容和所做工作 |
| 1.3.2 论文章节安排 |
| 第二章 智能答疑系统的相关理论和关键技术 |
| 2.1 建构主义理论 |
| 2.1.1 基本理论观点 |
| 2.1.2 建构主义理论在智能答疑系统中的应用 |
| 2.2 中文分词技术 |
| 2.2.1 中文分词的方法 |
| 2.2.2 中文分词中的难题 |
| 2.3 全文检索技术 |
| 2.3.1 全文检索的分类 |
| 2.3.2 全文检索的工作原理 |
| 2.3.3 全文检索的方法 |
| 2.3.4 全文索引技术 |
| 2.4 语句相似度的计算 |
| 2.4.1 基于向量空间模型的TF-IDF方法 |
| 2.4.2 语义相似度法 |
| 第三章 智能答疑系统的设计 |
| 3.1 系统需求分析 |
| 3.1.1 用户需求 |
| 3.1.2 功能需求 |
| 3.1.3 答疑方式需求 |
| 3.2 系统目标 |
| 3.2.1 智能答疑系统的目标 |
| 3.3 系统总体设计 |
| 3.3.1 远程教学答疑系统指导规范 |
| 3.3.2 系统总体设计思路 |
| 3.3.3 答疑材料库的设计 |
| 3.3.4 数据表的设计 |
| 3.3.5 自动答疑模块的设计 |
| 第四章 智能答疑系统的实现 |
| 4.1 答疑材料库建立 |
| 4.1.1 答疑材料库的特点分析 |
| 4.1.2 答疑材料的收集 |
| 4.1.3 答疑材料的组织 |
| 4.2 分词工具的选择 |
| 4.2.1 什么是Lucene |
| 4.2.2 Lucene的特点及优势 |
| 4.2.3 Lucene核心分词模块分析 |
| 4.2.4 扩展Lucene分词模块 |
| 4.3 权重的计算 |
| 4.4 索引 |
| 4.4.1 索引的形式 |
| 4.4.2 索引的建立 |
| 4.5 相似度的计算 |
| 4.6 系统的实验测试 |
| 4.6.1 系统开发环境 |
| 4.6.2 系统的页面介绍 |
| 第五章 总结与展望 |
| 5.1 完成的主要工作 |
| 5.2 系统改进工作 |
| 致谢 |
| 参考文献 |
| 研究成果 |
（6）智能答疑系统中FAQ检索模块研究与开发 ——以《Visual Basic 6.0程序设计》课程为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 引言 |
| 第二节 国内外研究现状 |
| 一、FAQ概述 |
| 二、答疑系统国内外研究现状 |
| 第三节 主要研究内容及研究意义 |
| 第四节 论文结构 |
| 第二章 FAQ检索相关理论和技术 |
| 第一节 知识本体相关理论 |
| 一、本体、知识本体和课程知识本体概述 |
| 二、本体设计的方法 |
| 三、课程知识本体在知识导航设计中的应用——以《Visual Basic 6.0程序设计》课程为例 |
| 第二节 DotLucene技术 |
| 一、DotLucene简介 |
| 二、DotLucene的包结构视图及主要逻辑分析图 |
| 三、DotLucene的索引设计 |
| 第三节 分词技术 |
| 一、分词概述 |
| 二、分词算法 |
| 三、中文自动分词技术存在的困难 |
| 四、DotLucene的分词技术及对其分词方法的改进 |
| 第四节 本章小结 |
| 第三章 FAQ检索模块的总体设计 |
| 第一节 模块的可行性分析 |
| 第二节 模块的总体设计目标 |
| 第三节 系统总体框架图、工作流程图及用例图 |
| 一、系统总体框架 |
| 二、系统工作流程图 |
| 三、模块用例图 |
| 第四节 系统分析 |
| 一、检索模块功能结构分析 |
| 二、检索模块前后台功能结构设计 |
| 第五节 数据库设计 |
| 第六节 本章小结 |
| 第四章 检索模块的实现 |
| 第一节 实现环境 |
| 第二节 系统文件视图 |
| 第三节 系统实现 |
| 一、前台管理系统 |
| 二、后台管理系统 |
| 第四节 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文和研究成果 |
| 附录A |
| 附录B |
（7）基于移动学习的智能答疑系统的研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 移动学习研究现状 |
| 1.2.2 智能答疑系统研究现状 |
| 1.3 研究目标 |
| 2 基于移动学习的智能答疑系统的支撑技术 |
| 2.1 移动学习支撑技术 |
| 2.1.1 移动终端技术 |
| 2.1.2 无线通信技术 |
| 2.1.3 软件技术 |
| 2.2 中文分词方法 |
| 2.2.1 基于字符串匹配的分词方法 |
| 2.2.2 基于理解的分词方法 |
| 2.2.3 基于统计的分词方法 |
| 2.3 分词词典设计 |
| 2.3.1 基于整词二分的分词词典机制 |
| 2.3.2 基于TRIE 索引树的分词词典机制 |
| 2.3.3 基于逐字二分的分词词典机制 |
| 3 基于移动学习的智能答疑系统的总体结构及数据库设计 |
| 3.1 基于移动学习的智能答疑系统的总体结构 |
| 3.1.1 移动学习系统的设计思想 |
| 3.1.2 智能答疑系统的总体结构 |
| 3.1.3 智能答疑系统的工作流程 |
| 3.2 基于移动学习的智能答疑系统数据库设计 |
| 3.2.1 常问问题库和文本资源库 |
| 3.2.2 问题分类库 |
| 3.2.3 其它数据库 |
| 4 基于移动学习的智能答疑系统的关键技术研究 |
| 4.1 分词词典设计 |
| 4.1.1 分词词典机制 |
| 4.1.2 分词词典实现 |
| 4.2 分词算法设计 |
| 4.2.1 分词算法思想 |
| 4.2.2 分词算法流程 |
| 4.2.3 分词算法实现 |
| 4.3 答案搜索策略 |
| 4.3.1 常问问题库搜索 |
| 4.3.2 Lucene.NET 全文检索系统应用 |
| 5 基于移动学习的智能答疑系统实现 |
| 5.1 软件开发环境介绍 |
| 5.2 系统开发流程 |
| 5.3 系统模块的运行、调试 |
| 5.3.1 问题接收模块 |
| 5.3.2 问题搜索界面 |
| 5.3.3 针对性检索答案呈现界面 |
| 5.3.4 模糊检索答案呈现界面 |
| 5.4 结果分析 |
| 总结 |
| 参考文献 |
| 致谢 |
| 在学期间公开发表论文及着作情况 |
（8）网络课程的智能答疑系统研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文的研究目的和意义 |
| 1.2 国内外研究情况和发展趋势 |
| 1.2.1 国外的研究情况 |
| 1.2.2 国内的研究情况 |
| 1.2.3 存在的主要问题 |
| 1.3 论文的主要工作 |
| 1.4 论文的组织 |
| 第二章 答疑系统涉及的相关理论 |
| 2.1 汉语的自动分词 |
| 2.1.1 自动分词与自然语言处理 |
| 2.1.2 自动分词方法 |
| 2.2 知网 |
| 2.2.1 知网的概念 |
| 2.2.2 知网的内容 |
| 2.3 知识构建基本理论 |
| 2.3.1 知识获取 |
| 2.3.2 知识表示 |
| 2.3.3 知识库管理 |
| 第三章 系统实现的关键技术 |
| 3.1 XML技术 |
| 3.1.1 XML的特点 |
| 3.1.2 XML的要素 |
| 3.1.3 DTD建立与使用 |
| 3.1.4 文档显示与样式单 |
| 3.1.5 应用程序接口DOM&SAX |
| 3.1.6 XML信息交换与数据库 |
| 3.2 基于XML智能答疑系统的知识库构建 |
| 3.2.1 基于XML的知识库的优势 |
| 3.2.2 知识库的结构分析 |
| 3.2.3 用XML存储知识库信息 |
| 3.2.4 基于XML的知识库的构建方式 |
| 3.3 知识库问句匹配核心技术研究 |
| 3.3.1 知识库问题检索实现流程 |
| 3.3.2 常用句子相似度计算方法 |
| 3.3.3 基于特定领域的加权语义相似度计算方法研究 |
| 3.3.4 基于特定领域的加权语义相似度计算在本系统的应用 |
| 第四章 网络课程智能答疑系统的总体设计 |
| 4.1 系统目标 |
| 4.2 需求分析 |
| 4.3 系统主要功能模块 |
| 4.4 系统流程设计 |
| 4.5 知识库设计 |
| 第五章 网络课的智能答疑系统的实现 |
| 5.1 系统运行模式的选择 |
| 5.2 系统运行环境及开发工具的选择 |
| 5.3 系统的实现 |
| 5.3.1 数据库的连接 |
| 5.3.2 ASP访问XML文档 |
| 5.3.3 系统主要功能模块实现 |
| 5.4 数据安全控制 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 攻读硕士期间发表的论文及参加科研项目情况 |
（9）网络智能答疑系统模型的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 领域本体及概念间相似度计算 |
| 2.1 Ontology概述 |
| 2.1.1 Ontology的定义 |
| 2.1.2 Ontology的组成 |
| 2.1.3 Ontology的表示 |
| 2.2 领域本体的构造 |
| 2.2.1 Ontology的引入 |
| 2.2.2 领域本体构造规则 |
| 2.2.3 领域本体构造步骤 |
| 2.2.4 领域本体表示 |
| 2.3 基于领域本体的概念之间相似度计算 |
| 2.3.1 传统的基于领域本体的概念之间相似度计算模型 |
| 2.3.2 改进概念间语义相似度计算模型 |
| 第3章 智能答疑知识库 |
| 3.1 词典 |
| 3.1.1 概念词典 |
| 3.1.2 常用词典 |
| 3.1.3 关系词典 |
| 3.1.4 停用词典 |
| 3.2 常问问题集FAQ |
| 3.2.1 问题集FAQ的表示 |
| 3.2.2 问题集FAQ的索引 |
| 3.2.3 问题集FAQ的更新 |
| 3.3 文档知识库 |
| 第4章 智能答疑关键技术 |
| 4.1 分词 |
| 4.2 问句语义标注 |
| 4.3 问句关键词的规范化 |
| 4.4 问句关键词的扩展 |
| 4.5 文本过滤 |
| 4.6 相似度计算 |
| 4.7 参数设定 |
| 4.7.1 阈值设定 |
| 4.7.2 权重设定 |
| 第5章 智能答疑模型 |
| 5.1 模型框架 |
| 5.2 模型智能性 |
| 5.6 模型评测 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 需进一步研究的问题 |
| 参考文献 |
| 攻读学位期间公开发表论文 |
| 致谢 |
| 研究生履历 |
（10）社区医疗网络服务系统的研究和实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外现状 |
| 1.3 研究意义 |
| 1.4 本文章节安排 |
| 2 社区医疗服务的网络化设计 |
| 2.1 社区医疗个性化服务流程 |
| 2.2 居民健康管理方案的设计 |
| 2.3 本系统研究的重点 |
| 3 社区家庭的远程医疗监护 |
| 3.1 社区医疗的家庭监护概述 |
| 3.2 远程监护系统对网络的要求 |
| 3.3 基于 Zigbee 的无线网络监护系统 |
| 3.4 本章小结 |
| 4 社区居民健康状况预测研究 |
| 4.1 系统需求及可行性分析 |
| 4.2 交互界面设计原则 |
| 4.3 高血压预测界面的设计 |
| 4.4 本章小结 |
| 5 医疗答疑的网络化服务 |
| 5.1 网络医疗答疑服务的特点 |
| 5.2 系统方案设计和模型建立 |
| 5.3 系统各功能模块的设计 |
| 5.4 自动答疑系统实现的关键技术 |
| 5.5 系统的实现 |
| 5.6 本章小结 |
| 6 总结 |
| 6.1 本文特色 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读学位期间发表的学术论文目录 |
四、远程智能答疑系统中FAQ的形成机制（论文参考文献）
- [1]以学习者为中心的远程智能答疑系统的设计与实现[D]. 丰乃波. 江西科技师范大学, 2016(07)
- [2]文本分类算法分析及其在智能答疑系统中的应用研究[D]. 杨敬妹. 石家庄铁道大学, 2014(12)
- [3]智能答疑平台的研究与实现[D]. 刘松平. 湖南大学, 2012(06)
- [4]智能答疑系统模型设计[J]. 阴桂梅,郭广行. 电脑开发与应用, 2011(07)
- [5]远程教育中智能答疑系统的研究与实现[D]. 刘照然. 西安电子科技大学, 2010(02)
- [6]智能答疑系统中FAQ检索模块研究与开发 ——以《Visual Basic 6.0程序设计》课程为例[D]. 刘长国. 云南师范大学, 2009(S1)
- [7]基于移动学习的智能答疑系统的研究与设计[D]. 王波. 东北师范大学, 2009(11)
- [8]网络课程的智能答疑系统研究与设计[D]. 刘凤七. 贵州师范大学, 2009(12)
- [9]网络智能答疑系统模型的研究[D]. 王海燕. 大连海事大学, 2008(02)
- [10]社区医疗网络服务系统的研究和实现[D]. 李艳丹. 华中科技大学, 2008(06)