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。

融合GPT和知识图谱的洪涝应急决策智能问答系统研究

为提高生成式预训练语言大模型(generative pre-trained transformer, GPT)的应急管理信息分析能力,以实现洪涝灾害应急处置过程中的在线辅助决策,提出融合GPT和知识图谱的应急决策智能问答系统(KG-GPT)。改进GPT架构以识别问题中的关键信息,利用知识图谱推理应急领域知识并生成具有逻辑性的回答;结合洪涝灾害的实际应急决策问答数据集并编制演练脚本,使用自动评估和专家评估方法将本系统与GPT进行对比实验。研究结果表明:该系统成功融合应急领域知识图谱和GPT模型,能够深刻理解问题的背景信息并生成流畅回答;与GPT相比,该系统可为决策者提供更快速准确的在线辅助决策工具。研究结果可提升洪涝灾害应急信息分析和决策效率。

具有自主学习与记忆功能的智能政务问答系统研究

任务型问答系统一旦构建好,通常是固定不变的,能回答的问题非常有限,难以满足用户的需求。对此,提出一种自动实时更新知识库的方法,当用户提了一个问答系统回答不了的问题,系统会把该问题自动发送给人工客服,人工客服利用专业知识回复后,系统能够自动实时获取用户提的问题和人工客服回复的答案,并把这个问答对自动实时更新到知识库,之后如果其他用户提了类似的问题,问答系统就能够快速给出对应的答案。以政务领域的问答系统为例,应用文本向量化方法 ERNIE构建知识库自动实时更新的问答系统。经过计算机实验证明,提出的方法能够实现知识库自动实时更新,构建的问答系统具有自主学习与记忆功能,提高了任务型问答系统的智能化水平。

高校人工智能自动答疑系统构建研究及应用

人工智能是一门综合性、多学科交叉课程,具有研究领域广阔、研究内容广泛、发展变化快等特点,相关理论研究与实践极大地促进社会的发展和进步。如何培养学生的人工智能专业技能和素养,构建解决科研和工程问题的专业思维、专业方法和专业嗅觉,使培养的人才更适应社会发展对人才的需求是高校人工智能教学改革面临的重要问题。文章从有效利用现有教学资源、应用现代信息技术、改革传统教学方法和教学手段、提升教学效果出发,论述了面向教学需求的人工智能自动答疑系统的构建研究及其在课程教学的应用效果。该系统在提升教学效果的同时,改进了学生的学习体验,同时为教育教学信息化、智能化建设提供了思路。

语义图支持的阅读理解型问题的自动生成

问题自动生成是人工智能领域的一项技术,其目标是根据输入的文本模拟人类的能力,自动生成相关问题。目前的问题自动生成研究主要基于通用数据集生成问题,缺乏专门针对教育领域的问题生成研究。为此,专注于面向中学生的问题自动生成进行研究。构建一个专门为问题生成模型训练需求而设计的数据集RACE4QG,以满足中学生教育领域的独特需求;开发一个端到端的问题自动生成模型,该模型训练于数据集RACE4Q,并采用改进型“编码器-解码器”方案,编码器主要采用两层双向门控循环单元,其输入为单词和答案标记的嵌入表示,编码器的隐藏层采用门控自注意力机制获得“文章和答案”的联合表示后,再输入到解码器生成问题。试验结果显示,该模型优于最优基线模型,3个评价指标BLEU-4、ROUGE-L和METEOR分别提高了3.61%、1.66%和1.44%。

基于相异度矩阵的碎片化回复文本聚类方法

针对问答社区碎片化回复文本中有效抽取所需文本信息的问题,本文提出一种基于相异度矩阵的碎片化回复文本聚类方法。首先,根据文本之间相异度设计聚类中心,以聚类方式将社区中碎片化回复文本分类;然后,使用基于RNN+CNN的问题文本特征提取方法提取用户问题的文本特征;最后,结合提取的问题文本特征,使用基于TF-IDF算法的抽取式文本自动生成算法,实现回复文本信息的快速自动提取。实验结果表明本文方法可以自动抽取所需文本信息,抽取结果精度高且稳定,可应用于问答社区碎片化回复文本的抽取。

基于BERT模型的自动问答系统的设计与实现

为解决在线课程学习过程中所遇问题得不到及时解答的情况,设计并实现在线课程自动问答系统。首先收集课程中真实问题作为训练数据集,其次基于BERT模型构建双塔神经网络模型,将问题成对输入模型,以语义相似问题的特征向量尽可能相似为训练目的。训练模型中的参数后,准确率和F1-Score性能指标上的值分别达到0.931和0.918。使用训练好的模型将问题集和学习者提出的问题都转为特征向量,使用Faiss召回问题特征向量集中与学习者的问题最相似的问题,最后返回最相似的问题所对应的答案。系统具有较高的准确性和有效性,能够为在线课程学习提供支持。

基于深度学习的MLP-GRU复合模型简答题评分系统的设计

简答题自动评分(ASAG)在减轻教师负担和实现教育数字化方面有重要意义。为解决简答题自动评分模型考虑角度单一的问题,结合深度学习技术,以BERT模型为基础,融合感知机(MLP)和门控循环单元(GRU),建立了一种MLP-GRU的简答题自动评分模型。该模型同步考虑标准答案和学生答案之间的蕴含关系和相似性,实现对学生答案的多角度综合评估。首先,运用BERT模型进行学生答案的特征提取,为后续评分过程提供了丰富的语义信息。随后,引入了感知机和GRU模型,分别结合BERT输出,以计算与标准答案之间的文本蕴含和文本相似度评分,确保考虑答案的流畅性和逻辑性。最终,融合文本蕴含评分、文本相似度评分,得出最终评分结果。结果显示,该模型的均方根误差为0.266,Kappa系数为0.969,F1-分数为0.778,说明模型评分与人工评分具有高度一致性。

基于深度学习的交互式在线教学资源管理平台

教学资源由于层次与属性不同,统一管理难度较大,设计基于深度学习的交互式在线教学资源管理平台。利用数据层采集与检索资源,为学生制定学习目标;通过调用数据层的资源实现平台的业务功能,自动化分组模块依据相似性利用自动化分组算法,完成学生分组;利用深度学习构建交互式智能问答模块,精准回答用户问题;利用表示层实现用户与平台资源的交互,完成资源管理。实验证明:该平台可有效管理教学资源,降低平台阻塞率,提升平台内网络频谱效用。

临床麻醉学气管插管教学培训自动问答系统的设计

临床麻醉学是一门包含了医学的基础理论知识以及实践操作技能等医学知识的课程。其中,气管插管是临床麻醉学中的一项重要实践操作技能。本文提出构建针对临床麻醉学的气管插管教学的多模态问答机器人,它是一种可以使用文本、语音、图像、视频等多种信息方式进行问答交互的智能机器人。将其应用于气管插管的理论与实践教学,能够极大地丰富学生的感知体验,增强学生的学习兴趣,加深学生记忆。在临床麻醉学气管插管的教学中,该方法将起到积极作用,改进临床与实践学习相结合的教学模式与手段,实现个性化教学特色,提高学生学习效率,提高教学质量。本文方法也适宜于推广至其他具有多模态数据积累的临床学科教学活动中。

基于多路语义图网络的图像自动问答

基于视觉特征与文本特征融合的图像问答已经成为自动问答的热点研究方向之一。现有的大部分模型都是通过注意力机制来挖掘图像和问题语句之间的关联关系,忽略了图像区域和问题词在同一模态之中以及不同视角的关联关系。针对该问题,提出一种基于多路语义图网络的图像自动问答模型(MSGN),从多个角度挖掘图像和问题之间的语义关联。MSGN利用图神经网络模型挖掘图像区域和问题词细粒度的模态内模态间的关联关系,进而提高答案预测的准确性。模型在公开的图像问答数据集上的实验结果表明,从多个角度挖掘图像和问题之间的语义关联可提高图像问题答案预测的性能。

基于本体的自动答疑系统的研究与实现

针对现有自动答疑系统中知识表示的不足,提出了用本体构建课程领域知识库的方案。根据答疑问句的特点进行了问题分类,将用户问句意图转换为对本体中基本元素的查询,并通过Jena语句加以实现,最终抽取出答案,实验证明方案是可行的。

基于代表性答案选择与注意力机制的短答案自动评分

短答案自动评分是智慧教学中的一个关键问题。目前自动评分不准确的主要原因是:(1)预先给定的参考答案不能覆盖多样化的学生答题情况;(2)不能准确刻画学生答案与参考答案匹配情况。针对上述问题,该文采用基于聚类与最大相似度方法选择代表性学生答案构建更完备的参考答案,尽可能覆盖学生不同的答题情况;在此基础上,利用基于注意力机制的深度神经网络模型来提升系统对学生答案与参考答案匹配情况的刻画。相关数据集上的实验结果表明:该文模型有效提升了自动评分的准确率。

自动问答系统研究综述

自动问答系统是自然语言处理领域中一个非常热门的研究方向,它综合运用了多种自然语言处理技术。本文综述了国内外自动问答技术的发展现状,对系统三个主要组成部分:问题分析、信息检索和答案抽取进行了深入的分析,通过比较,得出了自动问答系统运用各类技术之间的优势与不足。在此基础上,提出了自动问答系统的发展方向。

领域问答系统中的文本错误自动发现方法

文本自动校对是自然语言处理的一个挑战性的研究课题,也是一个难题。该文对中文的错误类型和原因进行分析,提出了一种基于领域问答系统用户问题日志的错别字自动发现方法。该方法首先对语料进行分词,然后对分词的结果中出现的散串进行合并,对分词中的多字词和合并的串进行相似词串聚类,对相似词串的上下文语境进行统计分析,从中自动获取错别字对。实验表明,该系统获得71.32%的召回率,82.6%的准确率。

一种基于词共现图的受限领域自动问答系统

提出了一种基于高频词和共现词的文本主题词抽取方法。该方法充分考虑到文档的统计信息和语义信息,通过对提问问题和答案库中答案的相似度计算排序,输出候选答案。提出一种具体的应用模型,分别从问题的分析、信息检索和答案抽取三个模块进行系统的设计,具有一定的应用价值。

本体论在自动问答系统中的应用

研究了本体论在面向领域自动问答系统中的应用。探讨领域本体的描述方法,归纳了领域本体空间上的推理公式,加强了领域本体的推理能力。提出了基于本体来组织问句的方法,并探讨在基础上分析问句的方法,并利用本体向量来来联系问句实例和领域知识,达到问题和答案的连接,为领域自动问答系统服务,实验证明,本体能有效地用于自动问答系统。

图书馆微信平台自动问答机器人语言体系研究

图书馆的微信自动问答机器人可以为读者提供24小时信息咨询服务,提高图书馆的受关注度。本文针对自动问答技术中语言问题进行研究和分析,编写一套针对图书馆问答机器人的语言体系,设计了哈尔滨工业大学图书馆自动问答机器人来实现全时段虚拟咨询,加强读者与图书馆之间的互动交流。

基于Web的智能答疑系统的设计与实现

本文简单分析了目前智能答疑系统的现状,并指出了它们存在的不足;在此基础上提出了一个智能答疑系统的结构模型,主要介绍系统中FAQ库的自动形成机制,并给出系统中的关键实现技术。

考虑提示学习的洪涝灾害应急决策自动问答模型研究

为提高洪涝灾害应急处置时效性和科学性,构建洪涝灾害应急决策自动问答系统模型,以提高应急指挥团队的决策效率,在分析洪涝灾害应急决策逻辑基础上,以摘要式问答为任务框架,收集整理包含洪涝灾害应急情景和应急决策的摘要式问答对数据集,建立可用于问答生成的GPT2预训练语言模型,并引入提示学习(Prompt-learning),通过自动创建连续型前缀提示(Prompt),优化少量连续参数,缓解问答对数据较少带来的过拟合风险,利用人工评估和自动评估2种方法验证模型的有效性。研究结果表明:通过GPT2与提示学习相结合建立的自动问答模型,可根据洪涝灾害情景生成语言质量良好及决策信息丰富的答案,有利于提高洪涝灾害应急处置中的科学决策能力。