面向旅游领域问答系统的语义解析技术的研究
发布时间：2021-05-15 10:52
随着人们对信息准确性的需求快速增长,垂直领域问答系统的重要性日益凸显。垂直领域问答系统的语义解析模块能够理解用户的真实需求,进而通过后面的知识库快速地为用户提供精准的信息。论文聚焦于具体的旅游领域问答系统的语义解析模块的构建,同时为不同的垂直领域问答系统的语义解析模块的构建提供一个参考。论文中的语义解析模块包含了主分类意图识别子模块、细分类意图识别子模块和实体槽位识别子模块三个子模块。为了满足不同的应用场景,对于每个子模块都给出了两种不同的构建方法。主分类意图识别子模块使用了基于LightGBM算法的设计方法和基于BERT模型的设计方法,基于LightGBM算法的设计方法使用了模板信息进行自动特征工程。细分类意图识别子模块使用了基于Text-CNN模型的设计方法和基于BERT模型的设计方法,基于TextCNN的设计方法中将领域知识进行向量化以此来提高模型的性能。实体槽位识别子模块使用了基于LSTM模型的设计方法和基于BERT模型的设计方法。对于不同的子模块设计方法进行了测试对比和结果分析,确定了不同的子模块构建方法的应用场景。由于BERT模型对内存的要求高,如果不同的子模块同时采用基于...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 语义解析及其相关理论的发展概况
1.3 本文的主要研究内容
第2章 语义解析模块结构的总体设计及数据集
2.1 语义解析模块的结构
2.2 主分类意图识别子模块的数据构建
2.2.1 主分类意图的类别
2.2.2 数据获取与标注
2.3 细分类意图识别子模块的数据构建
2.3.1 细分类意图的类别
2.3.2 数据获取与标注
2.4 实体槽位识别子模块的数据构建
2.4.1 实体槽位的类别
2.4.2 数据获取和标注
2.5 本章小结
第3章 主分类意图识别子模块设计
3.1 基于LIGHTGBM的主分类意图识别子模块设计
3.1.1 主分类意图识别子模块的结构
3.1.2 主分类意图识别子模块的模板层设计
3.1.3 主分类意图识别子模块的模型层设计
3.1.4 模板层和模型层融合的方案设计
3.1.5 基于LightGBM算法的主分类意图识别模型的训练流程
3.2 基于BERT的主分类意图识别子模块的设计
3.2.1 基于BERT的主分类意图识别模型
3.2.2 基于BERT的主分类意图识别模型的训练流程
3.3 主分类意图识别子模块的测试结果和分析
3.4 本章小结
第4章 细分类意图识别子模块设计
4.1 基于TEXT-CNN的细分类意图识别子模块的设计
4.1.1 知识增强型Text-CNN网络
4.1.2 基于Text-CNN的细分类意图识别模型的训练流程
4.2 基于BERT的细分类意图识别子模块的设计
4.2.1 基于BERT的细分类意图识别模型
4.2.2 基于BERT的细分类意图识别模型的训练流程
4.3 细分类意图识别子模块的测试结果和分析
4.4 本章小结
第5章 实体槽位识别子模块设计
5.1 基于LSTM的实体槽位识别子模块的设计
5.1.1 实体槽位识别模型的网络结构
5.1.2 基于LSTM的实体槽位识别模型的训练流程
5.2 基于BERT的实体槽位识别子模块的设计
5.2.1 基于BERT的实体槽位识别模型
5.2.2 基于BERT的实体槽位识别模型的训练流程
5.3 实体槽位识别子模块的测试结果和分析
5.4 本章小结
第6章 语义解析模块的改进和迁移实验
6.1 意图识别子模块共享BERT的设计方法
6.1.1 基于BERT的多任务学习方法
6.1.2 意图识别子模块共享BERT的实现
6.1.3 意图识别子模块共享BERT的测试结果和分析
6.2 基于BERT的主分类意图识别子模块的迁移实验
6.2.1 领域外数据影响现有领域模型性能的实验
6.2.2 领域内外数据量影响现有领域模型性能的实验
6.3 本章小结
结论
参考文献
致谢
个人简历
本文编号：3187507
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题背景及研究的目的和意义
1.2 语义解析及其相关理论的发展概况
1.3 本文的主要研究内容
第2章 语义解析模块结构的总体设计及数据集
2.1 语义解析模块的结构
2.2 主分类意图识别子模块的数据构建
2.2.1 主分类意图的类别
2.2.2 数据获取与标注
2.3 细分类意图识别子模块的数据构建
2.3.1 细分类意图的类别
2.3.2 数据获取与标注
2.4 实体槽位识别子模块的数据构建
2.4.1 实体槽位的类别
2.4.2 数据获取和标注
2.5 本章小结
第3章 主分类意图识别子模块设计
3.1 基于LIGHTGBM的主分类意图识别子模块设计
3.1.1 主分类意图识别子模块的结构
3.1.2 主分类意图识别子模块的模板层设计
3.1.3 主分类意图识别子模块的模型层设计
3.1.4 模板层和模型层融合的方案设计
3.1.5 基于LightGBM算法的主分类意图识别模型的训练流程
3.2 基于BERT的主分类意图识别子模块的设计
3.2.1 基于BERT的主分类意图识别模型
3.2.2 基于BERT的主分类意图识别模型的训练流程
3.3 主分类意图识别子模块的测试结果和分析
3.4 本章小结
第4章 细分类意图识别子模块设计
4.1 基于TEXT-CNN的细分类意图识别子模块的设计
4.1.1 知识增强型Text-CNN网络
4.1.2 基于Text-CNN的细分类意图识别模型的训练流程
4.2 基于BERT的细分类意图识别子模块的设计
4.2.1 基于BERT的细分类意图识别模型
4.2.2 基于BERT的细分类意图识别模型的训练流程
4.3 细分类意图识别子模块的测试结果和分析
4.4 本章小结
第5章 实体槽位识别子模块设计
5.1 基于LSTM的实体槽位识别子模块的设计
5.1.1 实体槽位识别模型的网络结构
5.1.2 基于LSTM的实体槽位识别模型的训练流程
5.2 基于BERT的实体槽位识别子模块的设计
5.2.1 基于BERT的实体槽位识别模型
5.2.2 基于BERT的实体槽位识别模型的训练流程
5.3 实体槽位识别子模块的测试结果和分析
5.4 本章小结
第6章 语义解析模块的改进和迁移实验
6.1 意图识别子模块共享BERT的设计方法
6.1.1 基于BERT的多任务学习方法
6.1.2 意图识别子模块共享BERT的实现
6.1.3 意图识别子模块共享BERT的测试结果和分析
6.2 基于BERT的主分类意图识别子模块的迁移实验
6.2.1 领域外数据影响现有领域模型性能的实验
6.2.2 领域内外数据量影响现有领域模型性能的实验
6.3 本章小结
结论
参考文献
致谢
个人简历
本文编号：3187507
本文链接：https://www.wllwen.com/guanlilunwen/lvyoujiudianguanlilunwen/3187507.html
