融合领域词典的文旅客服问句匹配模型

在文旅领域智能问答中,用户问句文本表征稀疏、口语化表达、一词多义及特定领域词汇的识别困难使得常见的匹配模型难以将用户问句与标准问句进行精准匹配。针对此问题,本文构建了文旅客服问句匹配数据集和相应的领域词典,在此基础上提出一种融合领域词典的文旅问句匹配模型SBIDD(Improved SBERT Model for Integrating Domain Dictionaries)。模型利用Sentence-BERT对问句进行向量化表示,在孪生网络模型中融入领域词典,增强问句的领域词权重,使得模型对领域词汇的识别能力大幅提升。在自建数据集和公开数据集ATEC 2018 NLP上分别进行实验。结果表明,构建的模型与5种经典文本匹配模型DSSM、BiMPM、ESIM、IMAF、TSFR-RM及基线模型SBERT相比效果更优,F1值达到95.65%,比基线模型提升了2.75%,且模型在检索任务上表现出更高的适配性和鲁棒性。

稀疏向量匹配技术在智能信息快速搜索中的运用评价

针对传统的电网领域搜索系统通常依赖关键词,存在查准率和召回率低的问题,无法为用户提供高效智能的信息检索体验。提出了一种基于稀疏向量匹配和机器阅读理解的电力文件智能搜索问答算法。通过对于电力文档中的文字内容进行向量化编码,建立语义索引,针对用户搜索的问题进行编码和机器阅读理解,实现自然语言问答式的智能搜索。结合稀疏向量匹配的快速检索召回能力和机器阅读理解的精准回答特性,同时提高了搜索系统的查准率和召回率,有效提高了用户的搜索体验和信息获取效率。实验结果表明该方法准确率和召回率均有较大提升。

科技文献问答式智能检索总体设计与关键技术探析

科技文献是人类记录、学习、传承知识的重要手段。大数据时代,传统的基于字符匹配的关键词检索方式无法承载用户检索需求中丰富的语义信息,也无法满足高效、精准、智能检索海量科技文献的要求。本文分析科技文献问答式智能检索的场景需求,提出设计问答式智能检索应当遵循通用性、模块化、可移植三项基本原则,设计总体技术方案,包括掌握问答语言特征、构建知识图谱、研究问答式智能检索交互技术三大步骤。在此基础上,从科技文献知识图谱构建、检索意图理解与识别、检索意图形式化转换、人机自然语言对话管理、检索结果呈现与交互等方面论述实现科技文献问答式智能检索需要重点突破的关键技术,并提出可行的技术迭代方案。本文提出的科技文献问答式智能检索,结合了科技文献知识图谱和自然语言处理等人工智能技术,更加智能精准地理解用户多维复杂的文献检索需求,为用户提供具有高度相关性的检索结果,较传统科技文献检索在用户输入交互、智能检索效率等方面具有优势。

基于自然语言处理技术的政务智能搜索引擎应用探索

为适应问答系统智能化程度越来越高的特点,提出基于自然语言处理转化为SQL(Structured Query Language,结构化查询语言)语言技术的政务智能搜索引擎系统。用户通过输入自然语言问题直接获得相关数据,数据可以表格、图形等方式直观地显示。建立了融合SQL语法和增强列信息的算法模型SQL Model,利用NL2SQL(Natural Language Processing to Structured Query Language,自然语言转化为结构化查询语言)技术设计政务智能搜索引擎系统,并以某市的人口数据进行实验。实验结果表明,该技术可有效降低数据应用的复杂度,实现多维度复杂查询,降低业务部门数据搜索应用难度,提高政务数据搜索效率。

面向电力领域自然语言理解的数据增强研究与实现

探究面向领域智能问答中自然语言理解的数据增强问题。由于应用缺乏历史数据,且人工标注成本高,无法满足大规模训练自然语言理解模型的需求。因此,对传统数据增强的方法进行研究,提出使用基于对比搜索的关键字文本生成模型,以此生成了具有句式表达多样性的的数据集。实验结果表明,相比传统的集中搜索算法,使用对比搜索作为模型的解码策略能够生成更加准确和合理的电力领域问题文本,有效地降低了生成文本的词重复率。利用这些样本数据,成功地训练了一个高效准确的自然语言理解模型,提高了用户意图识别的准确率。这一研究对于智能问答领域的实际应用具有一定的参考价值。

基于知识图谱的营销服务智能问答系统设计

针对营销服务智能问答系统存在问答耗时长、问答准确率低和平均可接受率低的问题,设计了基于知识图谱的营销服务智能问答系统。系统硬件通过知识图谱结构,获取营销服务领域的知识卡片,采用文本相似度计算模块,实现营销服务语义搜索;系统软件在LSTM基础上选择属性,获得推理规则,构建营销服务的知识图谱,在相同数据条件下使营销服务智能问答系统回答更多的问题,完成营销服务智能问答系统的设计。实验结果表明,所设计系统的问答耗时短、问答准确率和平均可接受率较高。

基于语义扩展的短问题分类

问题分类是问答系统任务之一。特别是语音交互方式中,用户的提问较短,具有口语化特征,利用传统文本分类方法对问题进行分类的效果不佳。为此提出一种基于语义扩展的短问题分类方法,该方法使用搜索引擎对问题进行知识扩展;然后,使用主题模型进行特征词选择;最后,利用词语相似度计算获取问题的类别。实验结果表明,所提方法在1 365条真实问题集上平均F-measure值达到0.713,其值高于支持向量机(SVM)、K近邻(KNN)算法和最大熵方法。因此,该方法在问答系统中可以帮助系统提升问题分类的准确率。

基于互联网的中文问答系统

搜索引擎(如Google等)返回的是与用户查询相关的文档集，并不是所提出的问题的答案。该文提出了一个基于互联网的中文问答系统，用来增强已有的搜索引擎的功能，使它们能够支持自然语言的回答。

社区问答系统研究综述

作为一种新兴的知识共享模式,社区问答系统(CQA)具有交互性、开放性的特点,能够更好地满足为用户提供个性化的信息服务的需求。对社区问答系统的研究及应用现状进行综述,系统阐述了用户行为模式、内容质量检测、问题检索等CQA中主要问题的研究以及CQA在其他媒体中的应用。最后展望了CQA中下一步值得研究的问题。本讨论有助于进一步丰富和拓展CQA的研究。

基于相似度算法的英语智能问答系统设计与实现

智能问答系统是在搜索引擎的基础上融合了自然语言知识和应用的人工智能产品,相比较传统的依靠关键字匹配的搜索引擎,能够更好地满足用户的查询需求。针对现有的英语智能问答系统中知识呈现的单一化以及系统查询效率低等现状,采用基于距离的相似度算法,设计并实现了基于相似度算法的英语智能问答系统。实验结果表明该系统能够较为准确地回答小学生的英语问题,对远程教育中小学英语智能问答系统的构建起到参考和借鉴的作用。

基于SQA系统的社会化搜索答案质量评价指标构建

作为社会化搜索理念框架的一个重要组成部分,社会化问答系统(SQA)对Web 2.0用户的信息搜寻与知识获取方式产生了深远影响。在新一代互联网用户生成内容(UGC)环境下,虽然有关信息质量及其评价标准与维度的研究已取得一定程度的进展,但国内目前对SQA系统答案质量要素、SQA信息质量评价指标的研究仍缺乏足够的深度。本文以现有相关研究为基础,在社会化搜索的研究背景下,借助"百度知道"用户对答案质量感知的问卷,综合采用专家访谈、探索性因子分析和验证性因子分析方法,构建了一个基于SQA系统的社会化搜索答案质量评价模型SQA-IQ4Ⅲ,该模型包括内容质量、情境质量、来源质量和情感质量四个维度,共有18项关键性指标要素。研究结论将进一步扩展图书情报学和网络信息资源管理的研究领域,并对SQA用户获取高质量答案以及UGC产品/服务设计产生实际的帮助。

网络搜索引擎自然语言问答能力的评价研究

[目的/意义]以Google为代表的主流网络搜索引擎正在从基于关键词匹配的检索系统演变为兼具检索与自然语言问答功能的综合平台,亟需引入新的搜索引擎评价维度和方法以适应这种转变。[研究设计/方法]使用文本检索会议自动问答系统评测中的自然语言问题,从定量和定性两个方面,以Google为例对网络搜索引擎的自然语言问答能力进行评价。[结论/发现]定量评价结果显示,Google已经具备了一定的自然语言问答能力。在定性评价方面,通过对搜索结果页面中的答案框进行内容分析,揭示了搜索引擎问答能力的特点以及存在的不足,为搜索引擎问答能力提升提供了建议。[创新/价值]为搜索引擎评价研究提出了自然语言问答能力这一新的评价维度。

互动问答搜索及其对图书馆网络咨询的启示

论文介绍了互动问答搜索产生的背景和发展的状况,并通过网上调查和非介入式测试对国内三家网站提供的互动问答搜索服务的功能和质量进行了测试和评价,分析了其特色以及面临的问题,最后探讨了互动问答搜索给目前以CVRS为代表的图书馆网上参考咨询带来的某些启示。

基于进化策略的抽题算法设计

基于进化算法的工作原理,设计了智能试题库系统中的抽题算法,提出了基于进化策略的抽题系统的数学模型,分析了算法的设计方案,该算法在全局寻优过程中收敛速度快,效率较高,具有良好的用户适用性,测试结果表明该系统能根据用户期望进行智能抽题。

石油勘探开发知识管理技术研究与应用

随着信息技术迅猛发展,特别是大数据与机器学习等前沿技术,对整个石油行业信息应用变革产生了深远的影响。油田信息应用模式开始向全量数据、全面感知、集成协同、预警预测、知识管理、认知计算方向演进。针对油田知识管理体系的建立,围绕富文本处理、关键技术、底层支撑提供一种新思路,以更简单、更有效的应用模式挖掘出海量数据价值,为勘探开发生产提供知识服务。

一种基于FAQ的自动应答系统的研究与设计

分析了自动应答系统的工作原理,提出了一种改进的信息检索算法。并据此设计了一个基于FAQ(Frequently-Asked Questions)的自动应答系统。当用户以自然语言形式提出问题后,系统首先在FAQ的问题库中查找与用户所提问题语义最相近语句作为候选问题,然后从FAQ的答案库中找出与候选问题匹配的答案作为最后的结果返回给用户。实验结果表明,系统对用户的自助服务效果显著,回答问题的正确率达到0.40。

基于智能检索的速生林知识远程咨询系统

主要介绍一种问答形式的咨询系统的设计方法,问题与答案的关联通过检索引擎来实现。对文本问题进行分词形成检索的关键字段,再通过检索在知识库中搜索答案。根据具体问题不同,答案的形式可能是描述性的文本或者是对用户数据经过一定处理后得到的决策结论。

用B和B′算法求解TSP问题

B算法和B′算法都是A 算法的变种 ,TSP (TravellingSalesmanProblem)问题为NP完全问题 ,无一般的多项式复杂度算法 .但采用合适的启发函数后 ,利用B算法或B′算法 ,可在多项式时间内解出 .作者利用C ++的继承功能统一算法形式 ,实现一个完成TSP问题求解的通用搜索算法 .

人工智能视野下的问题求解模式

科学发现中的内在机制一直是吸引科学哲学家的一个重要的领域,许多的科学哲学家对此寄予了极大的关注,无论是早期的哲学家休谟、波普尔、还是近代的西蒙、纽厄尔等人都着迷于科学发现的领域。从S-Q-S模型的提出到问题求解的启发式模型的提出,在科学发现的领域中引导人们逐渐步入了认识科学发现的殿堂。

基于试题辅助整理程序TestAA的题库筛选策略研究

试题辅助整理程序Test AA可对Excel或文本文件中的题库进行查重、格式化等处理。重点讨论了查找标准格式的Excel题库中的相似试题、查找非标准格式的Excel题库中的相似试题、将Word或文本格式的题库文件转换为标准格式的Excel文件以及查找Word或文本文件题库中的相似试题等问题。操作过程显示,TestAA简单高效,是电子题库命题整理的好帮手。