面向在线学习的辅助问答系统的设计与实现
发布时间：2021-07-07 20:17
互联网的迅速发展促进了教育领域的信息化改革进程,通过各类学习平台,学习者能轻易访问丰富的数字资源,但“知识迷航”的现象也愈发普遍,不仅用户无法定位所需知识内容,平台往往也缺乏充分整合和利用教育大数据的手段。相比搜索引擎的检索能力,辅助问答系统是提高知识获取精准度的有力方法。本文针对在线学习的常见场景,从解决知识检索和增强学习者交互体验的角度出发,结合自然语言处理的基本模型,提出面向在线学习的辅助问答模型,并基于该模型设计和实现对应的问答系统,论文的主要工作如下:（1）分析在线学习场景的知识问答类型,通过网络数据和开放语料库抽取教育领域相关的问答对,使用分词、词嵌入等多种自然语言处理技术,从中识别出实体和关系形成三元组,并利用实体对齐和消歧的方法融合多来源的知识资源,构建出以RDF为表示方式的知识库。（2）分别对知识查询和引导学习者进行教学任务两种应用场景,设计模型结构和训练方案,验证其有效性。对于面向知识查询的问答模型,采取基于seq2seq结构的浅层神经网络,并综合语义解析和搜索排序的结果来返回答案。对于面向教学任务的问答模型,则采用规则主导的有限状态机,人工定义用例与边界限制,为更...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图２．５带ＵＲＩ标识的三元组??
？硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??－?Ａ??１５’??杳询图Ｑ??Ｂ?—￣￣＂Ｃ－｝?一??子＿＿?ｏ?＇??？识库图Ｐｊ?ｊ?／?＼Ｗ??（ａ）?（ｂ）??图２．６?（ａ）图查询步骤分解（ｂ）子图同构??与数据库的ＳＱＬ类似，知识库中用结构化查询语言ＳＰＡＲＱＬ为用户提供访问??接口。ＳＰＡＲＱＬ以三元组为基本操作单位，包括了补全、删除、查询等多种操作，??三元组含有以“？?”开头标识的变量，比如＜？ｕｎｉｖｅｒｓｉｔｙ，ｌｏｃａｔｉｏｎ，Ｂｅｉｊｉｎｇ〉用来询??问北京有哪些大学，而多个三元组可组成基本图模式来表示更加复杂和具体的查询??需求，比如＜？?ｕｎｉｖｅｒｓｉｔｙ，ｌｏｃａｔｉｏｎ，?Ｂｅｉｊｉｎｇ?＞，＜？?ｕｎｉｖｅｒｓｉｔｙ，?ｅｓｔａｂｌｉｓｈ，?１９５０?＞组合查??询北京的哪些大学是１９５０年成立的。本文只介绍查询方法中的ＳＥＬＥＣＴ语句。??ＳＥＬＥＣＴ语句由四部分组成，分别是选择变量，数据来源，ＷＨＥＲＥ图模式和修饰??符，如公式２．１。??ＳＥＬＥＣＴ?ｖｌ?ｖ２?．．．?［ＦＲＯＭ?ｄａｔａｓｅｔ］ＷＨＥＲＥ?ｐａｔｔｅｒｎ?［ｍｏｄｉｆｉｅｒ］?（公式?２．１）??变量指查询的目标，对应在图模式中出现的变量。数据来源默认省略，??在单个知识库中不用指明。ＷＨＥＲＥ子句则为变量提供约束，查询的结果需要符合??图模式。图模式可以是三元组，另一类则通过ＦＩＬＴＥＲ关键字。修饰符是可选项用??于对查询结果进行排序操作ＯＥＲＤＥＲ，限制结果数量操作ＬＩＭＩＴ等。??２．２．３实体识别??知识图谱中的实体是描述知识概念的单位，在语言上有不同形式的体现，实体
序列标注方法，将文本分为Ｂｅｇｉｎ，ｈｓｉｄｅ’?０ｔｈｅｉ■三??个部分，分别代表实体的开始，实体的其余部分，以及不属于实体的部分。每句用??于训练的文本被标注出实体与非实体，即有监督机器学习来训练命名实体识别方法。??比如“苏（Ｂ）轼⑴出（〇）生（〇）于（０）眉（Ｂ）山⑴”，实体带上Ｂ或者??Ｉ的标签，实体之外则是〇。将ＣＲＦ与神经网络结合当前ＮＥＲ比较流行的做法’比??如ＢｉＬＳＴＭ－ＣＲＦ，引入神经网络既可以将离散的词汇映射到地位空间，并且还可以??关联词语自身的前后语义，如图２．７。??办?，＇?ＳＣ?出／?生／＜?于乂?．?＂?＾?八山，Ｕ－?Ｅｍｂｅｄｓ??＾?＾?＾?／Ｘ?＾?Ｘ?Ｃｎ?／；??…挪，＾二ｔ￣??繼?，：丨报＼?＇＼°ｙ?〈°〉－挪、??图２．７?Ｂｉ－ＬＳＴＭ实体识别??该模型输入为词向量，通过ｗｏｒｄ２ｖｅｃ获得。双向ＬＳＴＭ分别迪过正向和反向结构??处理词的两侧对应的向量，然后进行向量连接。最后由ＣＲＦ层判断条件概率分布给??１４??
【参考文献】：
期刊论文
[1]基于TF-IDF算法的文本信息提取[J]. 于韬,王洪岩. 科技视界. 2018(16)
[2]教育大数据整合:现状、问题、架构与实现策略[J]. 李振,周东岱,刘娜. 图书馆学研究. 2017(20)
[3]深层网络中的梯度消失现象[J]. 周祥全,张津. 科技展望. 2017(27)
[4]新建构主义:网络时代的学习理论[J]. 王竹立. 远程教育杂志. 2011(02)
[5]信息过载问题研究述评[J]. 蔺丰奇,刘益. 情报理论与实践. 2007(05)
本文编号：3270301
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图２．５带ＵＲＩ标识的三元组??
？硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??－?Ａ??１５’??杳询图Ｑ??Ｂ?—￣￣＂Ｃ－｝?一??子＿＿?ｏ?＇??？识库图Ｐｊ?ｊ?／?＼Ｗ??（ａ）?（ｂ）??图２．６?（ａ）图查询步骤分解（ｂ）子图同构??与数据库的ＳＱＬ类似，知识库中用结构化查询语言ＳＰＡＲＱＬ为用户提供访问??接口。ＳＰＡＲＱＬ以三元组为基本操作单位，包括了补全、删除、查询等多种操作，??三元组含有以“？?”开头标识的变量，比如＜？ｕｎｉｖｅｒｓｉｔｙ，ｌｏｃａｔｉｏｎ，Ｂｅｉｊｉｎｇ〉用来询??问北京有哪些大学，而多个三元组可组成基本图模式来表示更加复杂和具体的查询??需求，比如＜？?ｕｎｉｖｅｒｓｉｔｙ，ｌｏｃａｔｉｏｎ，?Ｂｅｉｊｉｎｇ?＞，＜？?ｕｎｉｖｅｒｓｉｔｙ，?ｅｓｔａｂｌｉｓｈ，?１９５０?＞组合查??询北京的哪些大学是１９５０年成立的。本文只介绍查询方法中的ＳＥＬＥＣＴ语句。??ＳＥＬＥＣＴ语句由四部分组成，分别是选择变量，数据来源，ＷＨＥＲＥ图模式和修饰??符，如公式２．１。??ＳＥＬＥＣＴ?ｖｌ?ｖ２?．．．?［ＦＲＯＭ?ｄａｔａｓｅｔ］ＷＨＥＲＥ?ｐａｔｔｅｒｎ?［ｍｏｄｉｆｉｅｒ］?（公式?２．１）??变量指查询的目标，对应在图模式中出现的变量。数据来源默认省略，??在单个知识库中不用指明。ＷＨＥＲＥ子句则为变量提供约束，查询的结果需要符合??图模式。图模式可以是三元组，另一类则通过ＦＩＬＴＥＲ关键字。修饰符是可选项用??于对查询结果进行排序操作ＯＥＲＤＥＲ，限制结果数量操作ＬＩＭＩＴ等。??２．２．３实体识别??知识图谱中的实体是描述知识概念的单位，在语言上有不同形式的体现，实体
序列标注方法，将文本分为Ｂｅｇｉｎ，ｈｓｉｄｅ’?０ｔｈｅｉ■三??个部分，分别代表实体的开始，实体的其余部分，以及不属于实体的部分。每句用??于训练的文本被标注出实体与非实体，即有监督机器学习来训练命名实体识别方法。??比如“苏（Ｂ）轼⑴出（〇）生（〇）于（０）眉（Ｂ）山⑴”，实体带上Ｂ或者??Ｉ的标签，实体之外则是〇。将ＣＲＦ与神经网络结合当前ＮＥＲ比较流行的做法’比??如ＢｉＬＳＴＭ－ＣＲＦ，引入神经网络既可以将离散的词汇映射到地位空间，并且还可以??关联词语自身的前后语义，如图２．７。??办?，＇?ＳＣ?出／?生／＜?于乂?．?＂?＾?八山，Ｕ－?Ｅｍｂｅｄｓ??＾?＾?＾?／Ｘ?＾?Ｘ?Ｃｎ?／；??…挪，＾二ｔ￣??繼?，：丨报＼?＇＼°ｙ?〈°〉－挪、??图２．７?Ｂｉ－ＬＳＴＭ实体识别??该模型输入为词向量，通过ｗｏｒｄ２ｖｅｃ获得。双向ＬＳＴＭ分别迪过正向和反向结构??处理词的两侧对应的向量，然后进行向量连接。最后由ＣＲＦ层判断条件概率分布给??１４??
【参考文献】：
期刊论文
[1]基于TF-IDF算法的文本信息提取[J]. 于韬,王洪岩. 科技视界. 2018(16)
[2]教育大数据整合:现状、问题、架构与实现策略[J]. 李振,周东岱,刘娜. 图书馆学研究. 2017(20)
[3]深层网络中的梯度消失现象[J]. 周祥全,张津. 科技展望. 2017(27)
[4]新建构主义:网络时代的学习理论[J]. 王竹立. 远程教育杂志. 2011(02)
[5]信息过载问题研究述评[J]. 蔺丰奇,刘益. 情报理论与实践. 2007(05)
本文编号：3270301
本文链接：https://www.wllwen.com/jiaoyulunwen/ktjx/3270301.html
