反绎学习支持下的自动问答及其应用

自动问答技术可以为用户提供快速且准确的信息检索和问题解答服务。然而,目前常见方法生成的答案存在不准确和不完整的问题,以及实体识别和关系抽取效果不准确,且答案不够自然。为此,提出基于反绎学习的自动问答方法,使用基于知识图谱的问答推理优化基于生成的问答,进一步从整体的反绎学习框架角度来优化实体识别和关系抽取方法,并将所提方法应用于《数据结构》课程的学习。结果表明,基于反绎学习的自动问答方法,可以改进基于生成的问答和基于知识图谱的问答两者的不足,提高问答系统的准确性。

一种面向中文自动问答的注意力交互深度学习模型

随着互联网、大数据的飞速发展,以深度神经网络(DNN)为代表的人工智能技术迎来了黄金发展时期,自动问答作为人工智能领域的一个重要分支,也得到越来越多学者的关注。现有网络模型可以提取问题或答案的语义特征,但其一方面忽略了问题与答案之间的语义联系,另一方面也不能从整体上把握问题或答案内部所有字符之间的潜在联系。基于此,提出了两种不同形式的注意力交互模块,即互注意力交互模块和自注意力交互模块,并设计出一套基于所提注意力交互模块的深度学习模型,用于证明该注意力交互模块的有效性。首先将问题和答案中的每个字符映射成固定长度的向量,分别得到问题和答案对应的字嵌入矩阵;然后将字嵌入矩阵送入注意力交互模块,得到综合考虑问题与答案所有字符之后的字嵌入矩阵,并与之前的字嵌入矩阵相加,送入深度神经网络模块,用于提取问题与答案的语义特征;最后得到问题与答案的向量表示并计算两者之间的相似度。实验结果表明,所提模型的Top-1准确度较主流深度学习模型最高提升了3.55%,证明了所提注意力交互模块对于改善上述问题的有效性。

基于容器虚拟化的领域概念知识点自动问答系统设计与实现

文章设计的基于容器虚拟化技术的领域概念知识点自动问答系统,不仅能够准确地回答学生所提出的问题,帮助学生加深对概念及专业术语的理解,还能帮助教师节省答疑时间。同时,该系统结合了Docker容器与K8S集群的优点,利用Docker+K8S相结合的容器虚拟化技术实现负载均衡,根据实时访问用户数量对系统进行动态伸缩扩容,从而满足不同数量用户的访问需求。

基于BERT模型的自动问答系统的设计与实现

为解决在线课程学习过程中所遇问题得不到及时解答的情况,设计并实现在线课程自动问答系统。首先收集课程中真实问题作为训练数据集,其次基于BERT模型构建双塔神经网络模型,将问题成对输入模型,以语义相似问题的特征向量尽可能相似为训练目的。训练模型中的参数后,准确率和F1-Score性能指标上的值分别达到0.931和0.918。使用训练好的模型将问题集和学习者提出的问题都转为特征向量,使用Faiss召回问题特征向量集中与学习者的问题最相似的问题,最后返回最相似的问题所对应的答案。系统具有较高的准确性和有效性,能够为在线课程学习提供支持。

国外跨语言自动问答系统研究综述

介绍了跨语言自动问答系统及其实现模式和实现原理,并对其涉及的答案类型预测、翻译、信息检索、答案提取等相关方法与技术进行分析。对比阐述CLEF、NTCIR会议对此类系统的评价内容及方法。最后,介绍系统的运用。

自动问答综述

自动问答技术是自然语言处理领域中一个非常热门的研究方向 ,它综合运用了各种自然语言处理技术。本文介绍了自动问答技术的发展现状和自动问答系统中常用的技术。自动问答系统一般包括三个主要组成部分 :问题分析、信息检索和答案抽取。本文分别介绍了这三个主要组成部分的主要功能和常用的方法。最后还介绍了自动问答系统的评价问题。

基于自动问答系统的信息检索技术研究进展

自动问答是根据用户以自然语言提出的问题给出一个明确的答案。近年来,自动问答越来越受到信息检索和自然语言处理的研究者的关注。典型的自动问答系统通常包含问题分析、文段检索和答案选择等部件。介绍了自动问答的最新研究进展和相关国际会议情况,着重阐述问题分类、查询扩展、文段检索和答案选择这四个热点技术的主要功能和常用方法,最后提出存在的一些问题和展望。

一种基于加权语义相似度模型的自动问答系统

在对比传统词频相似度模型的基础上 ,提出并实现了一种基于加权语义相似度模型的自动问答系统 .首先 ,利用语义树中词语间的距离和语义树的高度来计算词语间的语义相似度 ,然后利用词语间的语义相似度和词语的权重进一步计算用户问题与答案库中问题间的语义相似度 .基于此模型的自动问答系统能够接受用自然语言描述的问题 ,通过语义相似度的计算 ,自动地返回相关答案 .实验表明 ,本文提出的基于语义树的加权语义相似度模型与传统的词频相似度模型相比 ,准确率有明显提高 .

一种基于词共现图的受限领域自动问答系统

提出了一种基于高频词和共现词的文本主题词抽取方法。该方法充分考虑到文档的统计信息和语义信息,通过对提问问题和答案库中答案的相似度计算排序,输出候选答案。提出一种具体的应用模型,分别从问题的分析、信息检索和答案抽取三个模块进行系统的设计,具有一定的应用价值。

图书馆微信平台自动问答机器人语言体系研究

图书馆的微信自动问答机器人可以为读者提供24小时信息咨询服务,提高图书馆的受关注度。本文针对自动问答技术中语言问题进行研究和分析,编写一套针对图书馆问答机器人的语言体系,设计了哈尔滨工业大学图书馆自动问答机器人来实现全时段虚拟咨询,加强读者与图书馆之间的互动交流。

面向图书馆关联数据的自动问答技术研究

早期针对语义网的自动问答主要是面向单一RDF数据集,随着网络上相互关联数据集的急速增加,迫切需要将自动问答扩展到多个RDF数据集,但同时在语义标注、答案整合方面也带来了更大的难度与挑战。本文提出了一种面向图书馆关联数据的自动问答新方法,通过将自然语言提问转换为结构化的SPARQL查询,从图书馆领域相互关联的五个RDF数据集中提取特定答案。该方法的创新点在于,将问句分为涉及一个数据集的简单句和涉及多个数据集的复杂句分别进行处理,又将简单句分为查询属性和查询实例两种类别分别制定SPARQL查询构建规则,将复杂句分解成若干个简单句进行处理,有利于SPARQL查询的构建和答案的整合。通过实验测评,100个问句的回答精确率达到91%,表明这是一种行之有效的问答方法,对于促进关联数据在图书馆中的应用具有重要意义。

考虑提示学习的洪涝灾害应急决策自动问答模型研究

为提高洪涝灾害应急处置时效性和科学性,构建洪涝灾害应急决策自动问答系统模型,以提高应急指挥团队的决策效率,在分析洪涝灾害应急决策逻辑基础上,以摘要式问答为任务框架,收集整理包含洪涝灾害应急情景和应急决策的摘要式问答对数据集,建立可用于问答生成的GPT2预训练语言模型,并引入提示学习(Prompt-learning),通过自动创建连续型前缀提示(Prompt),优化少量连续参数,缓解问答对数据较少带来的过拟合风险,利用人工评估和自动评估2种方法验证模型的有效性。研究结果表明:通过GPT2与提示学习相结合建立的自动问答模型,可根据洪涝灾害情景生成语言质量良好及决策信息丰富的答案,有利于提高洪涝灾害应急处置中的科学决策能力。

基于词共现模型的常问问题集的自动问答系统研究

在自动问答系统中引入基于Frequendy asked questions（FAQ）的辅助模块满足常见问题的回答是一种有效的手段,其中关键问题是用户提出的问句与FAQ中问句的相似度比较,找出FAQ中最相似的问句,并返回对应的答案。本文将词共现模型引入到问句的相似度匹配中,利用互信息构造共现词汇,同时,结合相关关键词个数及问句长度等信息计算问句之间的相似度。相关实验结果表明,结合词共现模型的FAQ自动问答系统具有较高的准确率和较快的响应速度。

语义相似计算驱动领域自动问答

研究实体相似性的认知心理特征和受限领域自动问答(QA)系统的形式特点.基于结构对齐和几何相似模型,把词语概念描述分解为属性部分和语义角色部分,各部分结构分别对齐后,计算对齐义原的关系距离,加权组合计算词语的相似度.该方法也适用于解析成语义向量表示的疑问句的相似度计算.融合通用本体、领域本体和领域知识文本,构造了支持语义计算求解某一银行QA问题的知识库.实验表明,该方法可以提高领域QA系统的用户满意度.

本体论在自动问答系统中的应用

研究了本体论在面向领域自动问答系统中的应用。探讨领域本体的描述方法,归纳了领域本体空间上的推理公式,加强了领域本体的推理能力。提出了基于本体来组织问句的方法,并探讨在基础上分析问句的方法,并利用本体向量来来联系问句实例和领域知识,达到问题和答案的连接,为领域自动问答系统服务,实验证明,本体能有效地用于自动问答系统。

自动问答系统研究综述

自动问答系统是自然语言处理领域中一个非常热门的研究方向,它综合运用了多种自然语言处理技术。本文综述了国内外自动问答技术的发展现状,对系统三个主要组成部分:问题分析、信息检索和答案抽取进行了深入的分析,通过比较,得出了自动问答系统运用各类技术之间的优势与不足。在此基础上,提出了自动问答系统的发展方向。

图书馆自动问答系统的设计与实现

数字和智能化发展已经成为高校图书馆建设的重点方向,而参考咨询作为高校图书馆服务的重要组成部分,它的智能化建设有助于更好的服务于师生和学术知识的传播。本研究以武汉大学图书馆为对象,根据现有问答语料特点和武汉大学图书馆特有的业务场景需求,构建了图书馆领域自动问答系统,系统创新性在于多技术模块的融合以及业务和学术知识的抽象和表征。本文从系统的架构设计出发,对各功能模块应用的技术和实现进行了介绍。

基于道路法规知识图谱的多轮自动问答研究

[目的/意义]传统的基于知识图谱的自动问答研究主要是针对用户提问直接检索答案,但由于系统对用户问题的理解存在歧义,导致得到的答案不够精确。采用基于知识图谱的多轮自动问答可以有效地改善这一问题。[方法/过程]本文首先构建了以事件为中心的道路法规本体模型,依据该模型从道路法规中抽取实例图谱,并设计出基于道路法规知识图谱的问答框架。然后,对该框架所使用到的模型进行测评。最后,进行系统的总体测评。[结果/结论]从模块测评结果来看,本文所提出BCNN_BiLSM模型在事件识别和意图识别的F1值分别是0.798和0.930,BBiLSTM_CRF模型在本体属性识别F1值为0.807,总体性能优于其他模型。系统的总体测评结果表明,完整句的准确率为0.74,缺省句的任务完成率为0.83。本文提出的基于道路法规知识图谱的多轮自动问答可为相关领域自动问答研究提供参考。

面向游戏客服场景的自动问答系统研究与实现

针对游戏客服场景中玩家领域化、口语化的提问方式,应用深度学习工具word2vec建立带有语义的词的向量表示,设计了一种利用词向量距离,结合同义词替换、权重、句子长度、词序等因素的句子相似度计算模型。在该模型基础上,通过预分类、重定义分类规则,对KNN分类算法的大类占优、全局匹配计算代价高等问题进行改进,实现了一种基于文本分类的面向游戏客服场景的自动问答系统。实验结果表明,该系统具有较高的问题分类准确率和分类效率。

中文自动问答中句子相似度计算研究

句子相似度计算是自动问答系统的重要理论基础和关键实现技术。目前，用于中文自动问答系统的句子相似度计算方法很多，由于缺乏系统的分析，给研究人员带来了较大的不便。依据所利用的特征信息，可以将这些方法分为四类，即基于关键词信息、基于语义信息、基于句法结构信息以及基于多重信息。通过对各类方法实验结果的比较，指出各自的优势和不足。同时指出，基于多重信息的方法是当前的主流方法，实现不同特征信息的最佳权重分配是该类方法今后的研究重点。另外，还提出一个有关相似度概念认识上的看法，即对于中文自动问答系统，实质上依据的是句子的相关度，而不是句子的相似度。通过本文的研究，旨在为中文自动问答领域的句子相似度计算研究提供一定的参考。