基于语义空间距离的相似问句识别方法研究

前沿相关研究将相似问句识别转化为二元问句匹配识别并取得很大进展。但是在自动问答系统的实际应用场景中存在大量数据,这些方法受限于二元问句匹配识别模式,导致时效性不高。针对这一问题,受人脸识别相关研究的启发,该文提出基于语义空间距离衡量的相似问句识别方法(Semantic Space Distance Method,SSDM)。该方法将相似问句识别作为多分类问题进行训练,通过利用人脸识别任务中Margin Softmax损失函数得到语义编码模型。该语义编码模型能够将相似问句在语义空间中聚合,不相似问句在语义空间中远离。SSDM方法将相似问句识别转化成语义空间中的向量距离计算,突破二元问句匹配的方式,保证了一定的高时效性,并且仍然能够在深层语义层面对相似问句进行识别。该方法在Biendata的ASQD数据集中实验测试,取得了比基线方法更优的性能,验证了SSDM方法的有效性。

融合情感分析的隐式反问句识别模型

反问是现代汉语中一种常用的修辞手法,根据是否含有反问标记可分为显式反问句与隐式反问句。其中隐式反问句表达的情感更为丰富,表现形式也十分复杂,对隐式反问句的识别更具挑战性。该文首先扩充了汉语反问句语料库,语料库规模达到10 000余句,接着针对隐式反问句的特点,提出了一种融合情感分析的隐式反问句识别模型。模型考虑了句子的语义信息、上下文信息,并借助情感分析任务辅助识别隐式反问句。实验结果表明,该文提出的模型在隐式反问句识别任务上取得了良好的性能。

基于ERNIE及改进DPCNN的棉花病虫害问句意图识别

针对目前没有公开的棉花病虫害相关问句数据集且问句较短、类型多样等问题,本研究通过查阅文献及咨询相关领域专家,构建了棉花病虫害问句数据集CQCls,定义了78种棉花病虫害实体和9种问句类型;同时提出了一种基于ERNIE预训练模型的棉花病虫害问句意图识别模型,首先通过ERNIE模型将输入问句映射到向量空间,使用融合词位置信息的DPCNN模型进行特征向量的抽取,与基础的DPCNN模型相比,通过融合词位置信息能有效提高模型的表达能力,然后经过Softmax得到最终结果。实验结果表明,本研究提出的意图识别模型相较于其他模型取得了较好的结果,宏平均和加权平均的F1分数值分别为97.45%和97.31%;在文本语料数据内容复杂多样且文本格式不规范的DMSCD数据集上,训练结果中不同类别的F1分数的权重平均也能达到73.42%,进一步证明了该模型的有效性及泛化能力。

相似度算法下中文问答系统的设计与实现

在对中文问答系统的理论进行研究的基础上,深入分析了目前语句相似度计算的方法,研究了各种语句相似度计算方法的优缺点及其适用场合,提出了一种语句相似度计算的新方法,并构建了一个基于语句相似度的中文问答系统模型.在此基础上,实现了一个基于常见问题集的中文问答系统.实验结果表明:该中文问答系统在语句相似度匹配方面优于目前较为流行的VSM方法.

汉语语句相似度算法在问答系统中的应用研究

通过研究中文问答系统的理论,进而分析当前计算语句相似度的方法,比较各种计算语句相似度方法的适用场合以及它们的优势与不足,对计算语句相似度的方法提出了新建议,并以语句相似为基础建立了一个中文问答系统的模型。这个中文问答系统模型包含了许多常见问题,通过实践证明中文问答系统比主流的VSM方式具有更强的语句相似度匹配功能。

面向社交群问答对获取的深度学习模型

关注社交群中的问答资源,提出面向社交群的问答对获取方法,主要包括问句识别和答案获取。分析了基于规则和深度学习及结合方法三种问句识别方法的特性;答案获取以深度学习模型为基础,将区分正反例回答同问题的相关度作为学习目标,对各个候选答案与问题的相关度打分排序。引入回答顺序和共现词特征对基础打分作调整进行二次打分排序。实验结果表明,问句识别方法在WebQA、Dbqa和真实小区群聊语料CMY上的F1值分别达到0.930、0.932和0.892;CMY上的问答对获取F1值达到了0.690。

基于知识图谱的电力设备缺陷问答系统研究

电力设备的缺陷处理工作主要依赖于处理人员自身的知识储备和经验,但由于缺乏完善的历史缺陷知识库辅助,经验知识相对不足的人员无法有效借鉴前人经验,难免会出现决策失误的情况,进而影响电力设备的消缺工作。针对以上问题,本文提出基于电力设备缺陷知识图谱的问答系统实现方法。首先对设备缺陷问答系统进行需求分析,并设计系统架构;然后分别建立问句实体识别模型、问句意图识别模型、查询语句生成模型对问句进行语义解析;最后基于电力设备缺陷知识图谱,构建电力设备缺陷问答系统。问句实体识别结果和问句意图识别结果表明,采用改进算法的各项指标均有较大提升:在问句实体识别方面,精确率、召回率和F 1值在整体上分别达到92.34%、97.65%、94.92%;在问句意图识别方面,准确率、精确率、召回率和F 1值分别达到82.17%、85.38%、82.36%和83.84%。问答系统功能的测试也证明该系统可以很好地应用于辅助电力设备的缺陷消除过程,快速提升缺陷维修策略制定的准确性和缺陷设备的消缺效率,促进电力系统安全平稳运行。