基于知识图谱中路径推理的多轮对话模型

基于图编码器的路径推理方法,将知识图谱多轮对话的实体间关系作为节点图,编码器根据每轮对话对节点逐次编码从而模拟语义推理过程,最终预测当前对话的答案实体,解决了对话中存在缺省词和指代词的问题以及复杂语境下的特征提取问题.实验结果表明,该方法更关注实体间的关系,有助于保持推理的完整性和准确性,在一定程度上证明了将上下文建模为关系节点图的实用性和有效性.

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。

基于联合层级问答的新闻人物言论抽取方法

新闻人物言论的抽取对理解社会动态、分析公众意见、辅助决策制定至关重要。本文针对新闻场景定义了人物言论事件框架,提出了一种基于联合层级问答的新闻人物言论抽取方法。该方法改变原有的针对起始位置进行预测的指针标注方式和序列标注,采用联合层级标注,以提高模型在面对复杂人物名称时的识别能力,并利用多轮问答的特性,准确匹配人物名称和触发词,以解决复杂人物言论抽取中的多任务问题。为进一步提升模型训练效果,引入了额外位置向量和交替双向训练策略。实验结果表明,本文方法在(人物,触发词)抽取、言论抽取以及(人物、触发词、言论)三元组抽取任务中均取得了较好的结果。

基于大语言模型的教育问答系统研究

基于大语言模型在教育问答系统的应用,探讨其在教育领域的优化方案。近年来,基于预训练模型的方法在自然语言处理领域受到广泛关注。大语言模型作为一种预训练的语言生成模型,在降低教育问答系统开发成本、提高准确性方面具备潜力。从大语言模型在教育问答系统的实际应用、对教育领域的影响以及优化方案三个方面展开深入分析。在教育领域实际应用方面,考察多轮问答效果、无样本(少样本)学习以及多模态问题处理,并对其进行定量分析。同时,探讨基于硬提示的方案,旨在提升大语言模型在教育问答系统中的性能和应用范围。通过对其优势和问题的综合分析,为教育领域的智能化教学提供了实质性的参考和指导。

基于改进SMF的辅助教学问答系统设计

2020年,中国的大中小学纷纷展开线上教学。线上教学方式虽然也能完成教学任务,但却有几大明显地缺陷:其一,老师不可能回答所有同学的提问,也无法及时了解每一个学生对知识的掌握情况;其二,老师可能需要对同一个问题回答多次。针对存在的这些问题,本文研究了一种辅助教学问答模型,主要工作如下:(1)本文基于顺序匹配框架(SMF)模型并对其进行改进,设计出上下文顺序匹配模型(CSMF)。其改进之处为:其一,用注意力机制替换SMF中的第一层GRU;其二,当前轮次的问答中,把上一轮次检索出的答案带入到本轮次中和本轮次问题一起输入模型中进行判断。(2)本文基于CSMF模型,设计出在线辅助教学问答系统框架。该框架把学生、老师及问答库联系起来,学生的提问先经过问答库的查询,若检索出答案,则返回给学生。若没有检索出答案,则判断是否为多轮问答,不是则放进问答库,等待老师的解答;若是,则使用多轮问答器给出答案。