旅游自动问答系统中多任务问句分类研究

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域的问句类别体系架构,并提出多任务问句分类模型MT-Bert,在BERT上进行多任务训练,并加入自注意力机制,使用Softmax分类器,并设计了多任务融合损失函数。在山西旅游数据集的结果表明,MT-Bert在两种类别体系的微平均F1值分别为97.6%、91.7%,且避免了非平衡数据的预测失败问题,可以有效处理非平衡数据。

基于知识图谱多跳推理的中文矿物知识问答方法与系统

已有相关矿物数据库用于存储和查询相关矿物知识,常用的搜索引擎也可以对矿物知识进行查询,但无法回答用自然语言进行提问的矿物问题,查询返回的答案需要进一步筛选。亦有基于知识图谱进行矿物知识问答的相关研究,但只能回答涉及知识图谱中一个三元组的简单问题,无法回答涉及多个三元组的多跳复杂问题。为此,本文提出基于知识图谱多跳推理的矿物复杂知识问答方法,采用ComplEx模型将矿物实体、关系和问句表示为复数向量,以更好地获取相互之间的语义及推理关系。输入矿物问句后,通过Bert-LSTM-CRF获取其中心词,采用基于编辑距离及分词的方法获得中心词的候选实体集合,然后采用全连接网络确定最相关的实体作为推理起点,与矿物问句拼接后通过全连接网络获得当前跳的最相关关系。根据当前跳的起始实体及最相关关系,在矿物知识图谱中获得另一实体作为下一跳的推理起点,并将下一跳的问句更新为原问句,与当前跳最相关关系拼接,以将当前跳的推理信息带入到下一跳推理中,直到获得的最相关推理关系为预定义的结束标识符,推理结束,返回最后一跳的实体为答案,并给出推理路径。采用Python语言,在Tensorflow框架下实现了本文提出的矿物复杂知识问答并与相关模型进行对比,证明了本文方法的有效性。采用前后端分离架构,使用RESTful API、React、Ajax、echarts和Flask等框架和技术,开发了基于知识图谱多跳推理的矿物复杂知识问答系统,为矿物知识获取及相关地质研究提供了平台和工具。

基于结构性问题培养全科医生深度思考能力的方法研究

背景住院医师规范化培训的全科学员在各临床专科轮转时间短暂,学习内容宽泛,需要增强学习自主性。全科师资会面临不同背景学员,如5+3、转岗、专业硕士,或3+2助理全科、实习医生、公共卫生学员等,如何在培训中,使不同培训对象能各取所需,达到应有培训效果,需要认真研究。目的探索基于结构性问题的培训方式,提高学员学习主动性,培养其深度思考能力的作用。方法选取2020年江苏省全科/助理全科骨干师资培训班(骨干师资班)和基层卫生人才能力提升培训班(基层人才班)的学员作为研究对象。在每次学习活动结束,即刻组织学员讨论,要求依次回答“通过学习1.你学到了什么?2.还有哪些疑问?3.既往有什么相同或者类似的经验与大家分享?4.对今后工作的启发?”根据上述问题思路自行设计调查问卷调查培训学员对结构性问题培训方式的认同度,分为第1部分一般资料,包括性别、学历、职称、工作单位、岗位、工作年限、参与培训的项目等;第2部分是对“问题1、问题2、问题3、问题4和培训形式5”的解释性问题,5个维度共计20个条目,备选项是四等级,赋值为“1=非常同意,2=同意,3=不太同意,4=完全不同意”。结果培训对象对所有条目选择同意与非常同意的百分比均大于95%。不同性别、年龄、职称、岗位、工作年限培训学员等对结构性问题培训方法的认同程度比较,差异无统计学意义(P>0.05);不同学历、工作单位和培训项目培训学员对结构性问题培训方法的认同程度比较,差异有统计学意义(P<0.05)。相较于研究生及以上学历,本科培训对象对问题3、问题4的认同程度更高(P<0.05)。相较于三级医院,城市社区卫生服务中心(乡镇卫生院)和二级医院的培训对象对于问题1~4认同程度更高(P<0.05)。相较于骨干师资班,基层人才班的培训对象对于问题1~4及培训形式5认同程度更高(P<0.05)。结论培训实践中总结出的四个开放式问题,内容简单,含义递进,具有内在联系。运用结构性问题培训全科学员,形式灵活,能够激发被培训者的深度思考,该方法在基层卫生人才培训班获得更高的认可程度,表明适用于全科医生的培养。

数据科学的科学性与科学问题的分析

作为一门新兴的学科领域,数据科学的科学性受到了关注且其科学问题未明确提出。文中从科学研究范式及方法论、可证伪性和可再现性、科学精神及快速迭代以及科学研究纲领及理论体系4个方面探讨了数据科学的“科学性”,并解答了为什么数据科学是一门新兴科学的问题。在此基础上,结合DIKW模型(DIKW Pyramid or Hierarchy)、DMP(Data-Model-Problem)模型、数据科学的统计学和机器学习方法论以及数据科学的流程与活动,提出了数据科学的7个核心科学问题:解释在先还是在后或无、问题对齐数据还是数据对齐问题、更加相信数据还是模型、更加重视性能还是可解释性、如何划分数据、如何用已知数据解决未知数据的问题、人在环路还是人出环路。最后,提出了数据科学研究的4点建议:聚焦数据科学本身的理论研究,推动数据的科学、技术和工程需要进一步分离和专业化,加强人工智能赋能的数据科学的理论与实践以及数据科学学科(Data Science as A Discipline)与学科中的数据科学(Data Science Within A Discipline)的联动。

基于粗糙分析的大学英语考试质量提升路径

大学英语考试是检验大学英语教学质量和效果的有效手段。将粗糙集理论应用于大学英语考试命题,基于粗糙集的相对正域、冗余属性和属性重要度等概念,给出试题冗余性的定性判别方法,提出试题重要度的定量度量方法,建立基于粗糙分析的大学英语考试质量提升模型。实验结果表明,新型方法发现并修正了部分冗余和重要度较低的试题,有效提高了试卷命题质量,对指导大学英语教学工作、提升教学质量具有重要指导意义。

面向小样本抽取式问答的多标签语义校准方法

小样本抽取式问答任务旨在利用文章给定的上下文片段,抽取出真实的答案片段。其基线模型采用的方法只针对跨度进行学习,缺乏对全局语义信息的利用,在含有多组不同重复跨度的实例中存在着理解偏差等问题。为了解决上述问题,该文利用不同层级的语义提出了一种面向小样本抽取式问答任务的多标签语义校准方法。采用包含全局语义信息的头标签和基线模型中的特殊字符构成多标签进行语义融合,并利用语义融合门来控制全局信息流的引入,将全局语义信息融合到特殊字符的语义信息中。然后,利用语义筛选门对新融入的全局语义信息和该特殊字符的原有语义信息进行保留与更替,实现对标签偏差语义的校准。在8个小样本抽取式问答数据集中的56组实验结果表明:该方法在评价指标F1值上均明显优于基线模型,证明了所提方法的有效性和先进性。

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。

高考跨学科命题透视:特点、问题与改进建议——基于对2016-2023年210份全国卷的分析

高考作为衡量学生学业水平的权威性高利害考试,是我国人才培养的重要指挥棒和风向标。新课标和新高考改革明确强调问题导向、学科融合的基本取向,对跨学科命题提出了新要求。为了把握高考跨学科命题的总体概况,有必要基于高考全国试卷对其跨学科命题进行深入分析。通过对2016—2023年共210份高考全国卷中的跨学科试题所考查的学科知识内容、核心素养水平、问题情境等进行编码分析发现:当前我国高考跨学科试题数量约占总题量的10%,与新课标所要求的课时比例相匹配;跨学科命题整体呈现出能力本位、问题开放、形式多样的特点,但仍然存在文理内部组合远多于文理交叉组合,学科融合程度不够高,学科核心素养的组合方式相对固定且频次分布不均衡,学科核心素养考查水平不高等问题。未来高考跨学科命题应从学科知识锚定、学科融合水平提升和核心素养考查三个方面进行综合考量,并不断提升命题质量。具体而言,可通过增强试题的情境化创设,突出不同学科之间的交叉关联点,以命制文理交叉的跨学科试题;可通过提炼跨学科大概念,并提供相应的引导和提示,以命制超学科融合水平的试题;还可通过构建核心素养所对应的学科知识体系,并与相关学科建立情境关联,以命制素养导向的跨学科试题。

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。

科学回答“四个之问”:体育高质量发展何以可为与何以为之

能不能科学回答中国之问、世界之问、人民之问、时代之问,关系到党和国家事业发展的前途命运。实现体育高质量发展,既是加快建设体育强国的必要保障,也是新征程上以体育之力答好“四个之问”的必然选择。运用文献资料法、逻辑分析法,笔者提出以体育高质量发展回答“中国之问”之解。“中国之问”基本内涵包括回答体育发展的道路之问、强国之问、福民之问、精神之问。以体育高质量发展诠释“世界之问”之义,需要拓展世界眼光和全球视野,持续深化体育领域国际交流与合作,为全球体育发展谋大同作贡献;以体育高质量发展表述“人民之问”之答,实质是不断满足人民日益增长的美好生活的多元体育需求;以体育高质量发展阐述“时代之问”之析,必须与时俱进推进和拓展中国式现代化体育发展,加快体育强国建设步伐,把体育建设成为中华民族伟大复兴的标志性事业。

面向机器阅读理解的边界感知方法

针对现有的基于预训练语言模型的答案获取方法存在预测边界不够准确的问题,提出一种面向片段抽取式机器阅读理解(MRC)的边界感知方法。首先,在问题输入阶段引入特殊字符标记问题边界,通过增强问题语义信息的方式实现对问题边界的感知;其次,在答案预测阶段,构建答案边界回归器,实现感知的问题边界语义信息与输出的预测答案边界语义信息的语义交互;最后,通过交互后的语义信息进一步调整存在偏差的预测答案边界,实现对预测答案的校准。实验结果表明,与SpanBERT(Span-based Bidirectional Encoder Representation from Transformers)相比,该方法在公共数据集SQuAD(Stanford Question Answering Dataset)1.1上的F1值提升了0.2个百分点、精确匹配(EM)值提升了0.9个百分点;在HotpotQA(Hotpot Question Answering)数据集上的F1值和EM值都提升了0.7个百分点;在NewsQA(News Question Answering)数据集上的F1值提升了2.8个百分点、EM值提升了3.3个百分点。可见,该方法能有效增强对问题边界信息的感知并且实现对预测答案边界的校准,有利于更好地理解和分析文本数据,在智能问答、智能客服等领域的应用中提高系统的准确性。

融入三维语义特征的常识推理问答方法

现有使用预训练语言模型和知识图谱的常识问答方法主要集中于构建知识图谱子图及跨模态信息结合的研究,忽略了知识图谱自身丰富的语义特征,且缺少对不同问答任务的知识图谱子图节点相关性的动态调整,导致预测准确率低。为解决以上问题,提出一种融入三维语义特征的常识推理问答方法。首先提出知识图谱节点的关系层级、实体层级、三元组层级三维语义特征量化指标;其次,通过注意力机制动态计算关系层级、实体层级、三元组层级三种维度的语义特征对不同实体节点间的重要性;最后,通过图神经网络进行多层聚合迭代嵌入三维语义特征,获得更多的外推知识表示,更新知识图谱子图节点表示,提升答案预测精度。与QA-GNN常识问答推理方法相比,所提方法在CommonsenseQA数据集上的验证集和测试集的准确率分别提高了1.70个百分点和0.74个百分点,在OpenBookQA数据集上使用AristoRoBERTa数据处理方法的准确率提高了1.13个百分点。实验结果表明,所提出的融入三维语义特征的常识推理问答方法能够有效提高常识问答任务准确率。

现代科学视域下针灸基础科学问题凝练和解析

支撑针灸学科的基础科学问题包括经络、穴位、刺灸法和针灸治病的机制。一个世纪以来,多学科专家采用现代科学研究方法,对这些科学问题进行了深入探索和思考,得出了一些有价值的结论:明确了经络学说所揭示的人体体表与关联内部器官的特定联系及调控效应,穴位对相应器官的靶向性调控和系统的广泛性调控是从不同的刺灸法激活不同的感受器和神经传入始动,通过激活神经—内分泌—免疫调控,发挥其局部、靶器官和系统性的稳态调节,这是现代生命科学对针灸基础科学问题的凝练和升华,也为针灸学科的发展奠定了坚实的科学基础。未来,针灸基础科学问题的研究要基于临床积累的大量有价值的经验事实,结合穴位部位、刺激方式、机体状态和效应开展研究,探索其调控途径和规律。同时,针灸学所涉及的人体机体稳态的调控,也为未来生命科学和健康医学提供借鉴和方向。

犹太人问题与自由民主政体——基于斯宾诺莎《神学政治论》的考察

犹太人问题由来已久,但第一次提出该问题的当属斯宾诺莎。在斯宾诺莎的时代,尼德兰沦为帝国主义势力的角逐场。结合这一时代问题与历史问题,斯宾诺莎在《神学政治论》中对于好的政体,即自由民主政体有着细致的描述与刻画。透过自由民主政体的表象深入斯宾诺莎建构理论的逻辑基地显得尤为重要。首先,斯宾诺莎在《神学政治论》中运用历史主义和文献研读的方法,重构诸多概念,让神学与哲学、教法与世俗法分道扬镳,粉碎了犹太教固有的“永久选民”的优越感。其次,在《神学政治论》中,斯宾诺莎从人性观与自由观两个角度对犹太民族的民族基础予以重击。最后,斯宾诺莎在重构神学、重解犹太民族的基础上,建立自由民主政体。打碎之后建立的自由民主政体,作为后事之师不难发现其解决问题效力匮乏。在巴以冲突的当下,如何解决犹太人问题这一历史悠长的时代难题,也亟须学术界作出更多的研究与贡献。

基于大语言模型的Linux课程问答系统

基于国产主流大语言模型,设计一个Linux课程知识问答系统.该系统结合检索增强技术,能根据人类反馈持续学习,有助于解决Linux课程教学中如何更有效辅助学生学习的问题.实验结果表明,该系统提高了大语言模型回答的事实性,能有效回答学生提问.此外,该系统以较低成本积累了以自然语言形式呈现的专业领域知识库,降低了教师教学资料搜集整理的工作量.

利用可交谈多头共注意力机制的视觉问答

视觉问答可以对图像信息和自然语言问题这两种不同模态的信息进行分析处理并预测答案,是一项跨模态学习任务.当前注意力机制因为其良好的关键信息提取效果被广泛地用以捕捉视觉图像、文本和两种模态间的关系.但是,传统的注意力机制容易忽略图像和文本的自相关信息,而且不能较好的利用图像和文本的信息差异性.因此,在本文中,我们提出了可交谈的多头共注意力网络框架来处理注意力机制的上述问题.首先,本文提出了可交谈多头注意力机制来捕捉不同注意力头之间隐藏的关系,得到增强的注意力信息.本文设计了前后不同的交谈策略去处理归一化前后注意力头之间的信息,在引入先验信息的同时减少了过拟合的风险.本文提出了交谈自注意力单元和交谈引导注意力单元,并使用编码器-解码器方式有效地组合它们来丰富视觉和文本表征.该框架针对自注意力层增加了位置编码,弥补了交谈自注意力无法捕获位置的问题,此框架使用不同的注意力策略去分别得到图像和文本向量,并使用新的多模态融合模块来更好的融合图像和文本信息,降低了对单个信息的依赖性.该模型在VQA-v2数据集上和多个知名算法进行比较,数值仿真实验表明提出的算法具有明显的优越性.

生物学批判性思维测评试题的解析

围绕生物学知识与批判性思维目标,通过引用原题、整合改编、自主编制试题,分析生物学批判性思维测评试题,为批判性思维在生物学教学中的应用提供思路,为生物学批判性思维试题的开发研究提供参考。

利用知识图谱的多跳可解释问答

基于知识图谱的多跳问答需要分析和理解自然语言问题并在知识图谱的实体和关系上经过多次推理获取答案,是自然语言处理的重要研究领域.现有的模型一般通过知识图谱与问题嵌入,利用神经网络推断答案;或使用一阶逻辑规则结合概率方法预测答案;前者缺乏可解释性,后者在复杂问题中性能欠佳.为解决上述问题,本文提出一种基于知识图谱的多跳可解释问答方法(MIQA),它通过在实体间的多次跳跃推理来获取答案.MIQA首先使用BERT预训练模型获取自然语言问题表征向量以及问题分词后的词向量矩阵,在每一跳中,结合问题向量提取问题当前时刻的特征向量,根据特征向量的分类结果计算下一跳的关系分数和实体分数,多次跳跃后,综合分数最高的实体被作为答案,而获取该答案所对应的路径为推理路径.该方法推理准确率高,同时具有明显的可解释性.在MetaQA、WebQuestionsSP、ComplexWebQuestions这3个数据集上,通过和其他8个知名算法相比较,仿真结果表明MIQA性能优异,达到了当前的SOTA.

基于问题与关系嵌入空间对齐的知识图谱问答

为解决基于嵌入的知识图谱问答中,因采用不同的训练模型导致问题嵌入与知识图谱嵌入处于不同语义空间的问题,提出一种知识图谱问答模型。将关系转换为手工构造的自然语言问题,通过神经网络训练问题的嵌入表示与知识图谱的关系嵌入表示尽可能靠近;通过训练集中的问题对神经网络参数进行微调,使答案获得最高评分。在WebquestionSP数据集上的实验结果表明,相较于EmbedKGQA,所提方法的hits@1指标提高了10.5个百分点;在缺失50%三元组的情况下hits@1指标提高了9.9个百分点。

智慧城市建设与新质生产力——基于诺德豪斯之问的思考

“诺德豪斯之问”促使人们寻找生产力提升与节能减碳的平衡点,而智慧城市建设成为一种可能的新质生产力发展模式,有望解决“诺德豪斯之问”。理论分析阐明,智慧城市建设同时具有经济效应和低碳效应,能够促进新质生产力发展。基于2009—2019年中国224个地级及以上城市的面板数据,实证检验了智慧城市建设对新质生产力的影响及作用机制。研究发现,智慧城市建设显著提升了新质生产力发展水平。机制分析表明,智慧城市建设主要通过技术创新效应和产业升级效应影响新质生产力发展。异质性分析发现,大城市在智慧城市建设中更能拉动新质生产力提升;资源型城市依赖于技术创新效应提升新质生产力,非资源型城市则依赖于综合技术创新和产业结构高度化。拓展研究表明,智慧城市建设对邻近地区的新质生产力提升存在正向影响。研究结论为数字经济时代提升新质生产力提供政策参考。