基于预训练语义编码的判断句答案推理

目前大规模文本问答依赖句子表征从候选文本中检索答案,但是忽略了有些答案需要进一步推理,无法直接从文中获取,比如判断句。为解决此类问题,一个面向大规模文本的判断句答案生成方法被提出。首先在语义编码器中通过对大规模文本进行预训练获取语义编码器,对问题、依据进行语义编码;其次在答案生成器中基于对比学习构造正负样本进行数据增强;之后在答案依据获取器中通过使用Faiss实现问题和大规模文本的快速表征与匹配。在最终的判断句问答中,准确率高达96.58%,验证了该方法的有效性。

通过多文档精排与融合的开放域问答任务增强实现

开放域问答(OpenQA)是自然语言处理中的一项具有挑战性的任务,传统的机器学习和深度学习技术通常用于从原始语料库中检索与问题相关的候选文档片段以进行答案提取。然而,当前方法检索的候选文档片段往往包含大量的噪声以及与问题无关的信息,并且主流的OpenQA模型在准确响应需要多个文档片段作为相关证据的问题方面存在不足。鉴于此,提出通过多文档精排与融合增强开放域问答的方法(RFMD),该方法在检索阶段设计了基于Transformer的文档精排模块,以减少候选文档中的噪声信息;在阅读理解阶段,RFMD采用以文本生成为中心的问答模块,通过构建跨文档片段的全局注意力机制,整合多个相关文档片段的信息,准确回答需要多个文档片段作为支持证据的问题。RFMD在NaturalQuestions和TriviaQA数据集上的EM得分分别达到45.8%和63.4%,验证了该模型在OpenQA任务中的有效性和优越性。

基于生成式人工智能的开放教育问答系统设计

设计一套生成式人工智能(Generative Artificial Intelligence,GAI)的智能问答系统,旨在提升开放教育中的学习体验和效率。系统通过自然语言处理和机器学习技术,实现对学生问题的快速准确响应,支持学业管理和个性化学习。阐述智能问答系统在促进自主学习、转变教学角色和支持个性化教育等方面的潜力,展望未来的技术优化和应用拓展方向。

图书馆学科咨询借鉴维基与网络开放问答模式的可行性分析与方案构想

分析学科咨询的现状和维基与国内外主要几种网络开放问答的发展应用状况,认为学科咨询服务借鉴维基和网络开放问答模式在理论上和实际操作上皆具有可行性,并在此基础上从理念原则、基本框架、运行机制等方面提出建立学科咨询开放平台的初步构想。

开放域问答技术研究进展

问答技术是信息检索和自然语言理解中的研究热点.本文对开放域问答技术在近年来的研究进展进行了总结.针对不同类型的问题,比较了问答系统中问题分析、文档和句段检索、答案抽取各个部分不同实现方法的特点,讨论了这些技术中存在的不足.最后,对问答技术未来的研究趋势进行了分析与展望.

面向开放域问答的问题分类技术研究进展

开放域问答是当前自然语言处理和信息检索领域的研究热点,作为开放域问答系统的重要组成部分,问题分类可以缩小答案的搜索空间并决定答案的选择策略.近年来,基于机器学习的问题分类技术受到广泛的关注,相关研究表明问题分类的准确性直接影响问答系统的整体性能.本文从分类体系与数据集、特征提取、分类器设计、性能评测等层面,总结了问题分类技术近年的主要研究成果.重点分析了各种基于监督学习的问题分类方法的特点和不足,讨论了核方法、半监督学习、主动学习、迁移学习等在问题分类中的应用,同时对问题分类技术未来研究动向进行了展望.

基于知识库的开放领域问答系统

问答系统能够理解用户问题,并直接返回答案。现有问答系统大多是面向领域的,仅能回答特定领域的问题。文中提出了基于大规模知识库的开放领域问答系统实现方法。该系统首先采用自定义词典分词和CRF模型相结合的方法识别问句中的主体;其次,采用模糊匹配方法将问句中的主体与知识库中实体建立链接;然后,通过相似度计算以及规则匹配等多种方法识别问句中的谓词并与知识库实体的属性建立关联;最后,进行实体消歧和答案获取。该系统平均F-Measure值为0.695 6,表明所提方法在基于知识库的开放领域问答上具有可行性。

多跳机器阅读理解研究进展

与常规的单跳机器阅读理解相比,多跳机器阅读理解(MHMRC)需要在多个相关文档段落中进行多跳推理以实现对复杂问题的理解和回答,其更接近于人类的语言推理能力,具有广阔的应用前景但也极具挑战性。阐述MHMRC的研究背景,将现有方法根据适用场景分为封闭集合问答和开放域问答两类,主要包括基于问题分解的方法、基于图神经网络的方法、改进检索的方法、基于推理路径的方法等,分别从模型架构、特点、优劣等方面进行分析。介绍用于多跳推理的非结构化文本数据集和评测指标,对比各模型的性能表现。在此基础上,分析目前MHMRC研究的热点与难点,指出未来发展方向。

开放领域汉语知识问答方法

给出了一种开放领域汉语知识问答中某些问答类型的模式的获取方法和所获取模式的精度计算方法。对几个选定的问答类型,使用该法获取它们各自所对应的浅层文本模式,然后在这些模式的指导下,对各个问答类型下的一些问题进行答案查找。结果表明,采用浅层文本模式匹配方法来应对开放领域汉语知识问答是有效的。

多面Rasch模型在口语主观性试题网上评阅中的应用研究

选取MHK口语试题实测数据,运用多面Rasch模型的理论和方法对人工评分与计算机自动评分的严厉程度、评分员内部以及各评分员之间的一致性程度进行研究,分析了两种评分方式在严厉度、一致性等方面存在的具体差异,以及不同试题之间是否存在难度差异,希望据此为提高MHK阅卷的科学化水平及命题质量提供依据和建议。

文学研究与教育是否该有“标准答案”

文章有感于中国文学研究及教育的传统与现状,提出当前文学研究与教育中的一个问题,即究竟(应该)有无“标准答案”的问题,并给出初步的理论上的回答。问题提出的价值在于它的确是个问题。文章重在“解构”,而旨在引起关注并对由此问题必然而至的文学研究与教育中一系列的具体相关问题进行深入的讨论。

对数学问题的解法开放的认识——数学开放题在师专大有作为系列之二

长期以来 ,数学课程总是强调它的“逻辑性”、“演绎性”、“封闭性”……在课堂教学中如何克服已有的机械模式 ,为学生提供一个发现和创新的机会 ,最有效的办法是在现有的课堂教学中 ,渗入开放的观念。观念的开放是让学生在原有数学问题提出新问题 ,提出新的解法 。

提高毕业论文质量探讨

本文从遴选毕业论文指导教师、选题紧密结合社会实践、完善管理机制、加强答辩等方面阐述了对提高毕业论文质量的积极作用。

UTMCQA:融合多任务的复杂问答模型

对复杂问题的处理一直是开放域问答(Open Domain Question Answering,ODQA)的一个难点,回答复杂问题需要分析问题及其相关的词法、句法和语义内容,该过程需要同时建模命名实体识别、句法分析、关系抽取等多项自然语言处理任务,因此如何有效地学习这些任务是一个重要技术挑战.本文提出了一种统一的可训练型多任务复杂问答框架UTMCQA(Uniform Trainable M ulti-tasks framew ork for Complex Question Answ ering),该框架融合了复杂问答涉及的上述主要任务,同时利用预训练语言模型(BERT)提供语义支撑,以语义相似作为启发信息从知识库和文本库中获取相关实体,采用图神经网络建模问题与事实之间的关系,并通过队列算法动态扩展问题子图,最后在子图的广度范围内,选择实体集合中的最优实体作为问题的最终答案.在公开的大规模复杂问题数据集ComplexWebQuestion上的实验表明,在不同场景设置下的UTMCQA均能有效提升问答系统的性能.

开放领域知识图谱问答研究综述

知识图谱问答是通过处理用户提出的自然语言问题,基于知识图谱的某种形式,从中获取相关答案的过程。由于知识规模、计算能力及自然语言处理能力的制约,早期知识库问答系统被应用于限定领域。近年来,随着知识图谱的发展,以及开放领域问答数据集的陆续提出,知识图谱已用于开放领域问答研究与实践。以技术发展为主线,对开放领域知识图谱问答进行综述。首先,介绍五种基于规则模板的开放领域知识图谱问答方法:传统语义解析、传统信息检索、三元组匹配、话语模板和查询模板,这类方法主要依赖人工定义的规则模板完成问答工作。其次,描述五种基于深度学习的方法,这类方法采用神经网络模型完成问答过程的各类子任务,包括知识图谱嵌入、记忆网络、基于神经网络的语义解析、基于神经网络的查询图、基于神经网络的信息检索。接着,介绍开放领域知识图谱问答常用的4个通用领域知识图谱和11个开放领域问答数据集。随后,按照问题的难易程度选择3个经典问答数据集比较各问答系统的性能指标,对比不同方法间的性能差异并进行分析。最后,展望开放领域知识图谱问答的未来研究方向。

中文开放域问答系统数据增广研究

开放域问答是自然语言处理中的重要任务之一。目前的开放域问答模型总是倾向于在问题和文章之间做浅层的文本匹配,经常在一些简单问题上出错。这些错误的原因部分是由于阅读理解数据集缺少一些真实场景下常见的模式。该文提出了几种能够提高开放域问答鲁棒性的数据增广方法,能有效减少这些常见模式的影响。此外,我们还构造并公开发布了一个新的开放域问答数据集,能够评估模型在真实场景下的实际效果。实验结果表明,该文提出的方法在实际场景下带来了性能提升。

中文开放域问答系统的问题分类研究

中文问答系统通常由问题分析、信息检索、答案抽取组成。其中,问题分析中的问题的分类是否准确会直接关系到提取答案的准确度,所以在问答系统中起到关键性作用。本文主要介绍了中文问答系统的结构、问题分类体系以及方法,并提出结合基于规则的模式匹配与基于统计的机器学习的方法对问题进行分类,从而提高分类的准确度。

基于特征增强的开放域知识库问答系统

实体消歧和谓词匹配是中文知识库问答系统(CKBQA)中的两个核心任务。针对开放域知识库中实体和谓词数量巨大,且中文问句与知识库知识在表现形式上存在差异的问题,提出一种基于特征增强的BERT的流水线式问答系统(BERT-CKBQA),改进了上述两个子任务。采用BERT-CRF模型识别问句中提及的实体,得到候选实体集合。将问题和拼接谓词特征的候选实体输入BERT-CNN模型进行实体消歧。根据实体生成候选谓词集合,提出通过注意力机制引入答案实体谓词特征的BERT-BiLSTM-CNN模型进行谓词匹配。结合实体和谓词的得分确定查询路径来检索最终答案。该方法设计了一个中文简单问题的开放域知识库问答系统,引入预训练模型与谓词特征增强子任务特征以提升其性能,并在NLPCC-ICCPOL-2016KBQA数据集上取得了88.75%的平均F1值,提高了系统的回答准确率。

高中思想政治开放型试题探析

开放型试题是近年来高考思想政治学科新增加的题型,如何指导学生答好开放型试题,需要思想政治教师根据开放型试题的特点,结合学生的学习状况,积极探索开放型试题的答题策略。

幼儿园公开课师幼问答优势向常态课迁移研究

在幼儿园教学活动中,师幼问答是最直接最常见的一种互动形式。通过观察与对比发现,幼儿园公开课与常态课中师幼的问答行为存在显著差异,在问题设计、问答类型、问答方式、问答过程以及问答后的评价等方面幼儿园公开课问答都优于常态课。将幼儿园公开课中师幼问答的优势向常态课进行迁移具有重要意义。要实现优势的迁移,需要做到:增强问题设计意识,丰富问答类型,转变问答方式,完善问答过程,提高评价质量。