基于知识图谱的非完备信息博弈自动问答系统研究与实现
发布时间：2021-08-28 12:29
2008年世界智力运动会在北京的成功举行,智力运动项目随之在中国蓬勃发展。在智力运动项目中,非完备信息博弈占了很大的比重。广大人民群众对非完备信息博弈智力项目的学习热情高涨。但非完备信息博弈领域各个竞技项目规则繁杂,爱好者众多而专家少,无法满足人民群众的学习与解惑需求。且机器博弈始终是人工智能技术的试金石,如今基于人工智能技术的非完备信息博弈智能决策模型大多为黑盒模型,如何实现决策可解释也是博弈决策领域的发展方向之一。为了能够满足非完备信息博弈爱好者的学习需求,并推动非完备信息博弈智能决策可解释的发展,本文提出并实现了基于非完备信息博弈领域知识图谱的自动问答系统,完成的工作可分为以下几个部分:1.设计并构建了非完备信息博弈知识图谱。本文在斯坦福大学医学院提出的领域本体构建七步法的基础上,结合无监督学习算法自动挖掘领域专有术语,设计出本领域的知识模式定义。本文建立非完备信息博弈领域语料库,基于BiLSTM-CRF模型提出非完备信息博弈领域命名实体识别模型,基于BiLSTM-Attention模型提出非完备信息博弈领域关系抽取模型,并采用人工审核与规则审核结合的方式审核知识,将准确的知识以...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
图２．１语义网络组成结构??实体，也称作对象，其具体的定义到目前为止，仍然没有准确的答案
的命名实体识别系统有ＬａＳＩＥ－ＩＩ｜ｌ３｜ＮｅｔＯｗｌ［１４）等??系统。这些系统均依赖于人工制定的语义和句法规则来识别实体并往往需要实??体词典，当词典内容丰富，详尽时，基于规则的系统表现的很好，但是基于特定??领域的规则，或字典不够完善时，则会使系统的召回率低，可移植性也十分的差。??传统监督学习方法。在监督学习方法中，ＮＥＲ任务被建模为序列标注问题。??ＮＥＲ任务最常使用的是ＢＩＯ标注法，其中Ｂ表示实体的起始位，Ｉ表示实体的??中间及结束位，０表示的是相对应的字符不是实体。如图２．２，?Ｂ－Ｍ．丨Ｓ表示这个??字符是麻将的一个番种的起始位置，Ｉ－ＭＪＳ表示的是这个字符是麻将的一个番种??的中间或结束位置。同上，Ｂ－ＣＡＲＤ，?Ｉ－ＣＡＲＤ表示牌面的起始及中间，结尾位??置。??１录｜?一?｜?ｆａ?｜里丨?＇没丨—?有｜?一?｜条??Ｂ－ＭＪＳ?Ｉ－ＭＪＳ?Ｉ－ＭＪＳ?〇?〇?〇?Ｂ－ＣＡＲＤ?Ｂ－ＣＡＲＤ??图２．２?ＢＩＯ用法举例??建模时，一般将文本作为序列标注模型的输入，ＢＩＯ标注为输出。常用的模??７??
?一般由输入层，隐藏层，输出层构成，隐藏层的任务是自动进行特征提龋深度??学习较传统的机器学习而言，降低了人工定义特征各方面的代价，而且可以捕捉??到人无法认知的隐性特征。此外，引入多个隐藏层还可以使神经网络表达复杂的??非线性函数映射。因此在图像处理，自然语言处理及语音处理方面都有出色的表??现。??２．３．２循环神经网络与长短期记忆网络??循环神经网络（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＲＮＮ），是神经网络中的一利１，擅??长对序列数据进行建模处理。其结构图如图２．３所示。在对一个给定序列ｘ?＝??通过公式＝?／ｄｐＸｔ）更新隐藏层参数。在ＲＮＮ中，函??数／一般是ｔａｎｈ。通过这种方式，ＲＮＮ处理序列元素时充分考虑了序列中前序状??态的元素，其中被称为记忆，是由前ｔ－１个元素生成的。在处理第ｔ个元素??时，产生ｔ时刻的记忆，与下一个元素一起作为处理下一个元素函数的输入。??＜？?？?？???ｔ??ｔ?厂??ｔ??Ｈ??ｒ?■Ｍ＂？｜?Ｕ??Ａ?？?Ａ???ｊ?１??Ｊ??？?？?？??图２．３循环神经网络结构图??长ｆｅ期记忆（Ｌｏｎｇ?Ｓｈｏｒｔ－Ｔｅｒｍ?Ｍｅｍｏｒｙ，ＬＳＴＭ）网络是ＲＮＮ网络的一个变??形，其结构如图２．４所示。通过两张结构图，我们可以看出，在ＲＮＮ的隐藏的??９??
【参考文献】：
期刊论文
[1]Relation Classification via Recurrent Neural Network with Attention and Tensor Layers[J]. Runyan Zhang,Fanrong Meng,Yong Zhou,Bing Liu. Big Data Mining and Analytics. 2018(03)
[2]深度学习算法在问句意图分类中的应用研究[J]. 杨志明,王来奇,王泳. 计算机工程与应用. 2019(10)
[3]问答中的问句意图识别和约束条件分析[J]. 孙鑫,王厚峰. 中文信息学报. 2017(06)
[4]基于卷积神经网络和注意力模型的文本情感分析[J]. 冯兴杰,张志伟,史金钏. 计算机应用研究. 2018(05)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[6]垂直知识图谱的构建与应用研究[J]. 阮彤,王梦婕,王昊奋,胡芳槐. 知识管理论坛. 2016(03)
[7]基于视觉注意机制PCNN模型的车牌图像分割方法[J]. 杨娜,陈后金,陈益强. 交通运输系统工程与信息. 2014(03)
[8]中文开放链接医疗数据的构建[J]. 王昊奋,张金康,程小军. 中国数字医学. 2013 (04)
[9]面向主题的垂直搜索引擎系统的研究与实现[J]. 施佺,王恒山,肖仰华,丁卫平. 微电子学与计算机. 2011(07)
硕士论文
[1]基于深度学习的不完全信息博弈决策的研究与应用[D]. 闫天伟.南昌大学 2019
[2]问句分类方法及其在问答系统中的应用研究[D]. 张倩.郑州大学 2018
本文编号：3368515
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
图２．１语义网络组成结构??实体，也称作对象，其具体的定义到目前为止，仍然没有准确的答案
的命名实体识别系统有ＬａＳＩＥ－ＩＩ｜ｌ３｜ＮｅｔＯｗｌ［１４）等??系统。这些系统均依赖于人工制定的语义和句法规则来识别实体并往往需要实??体词典，当词典内容丰富，详尽时，基于规则的系统表现的很好，但是基于特定??领域的规则，或字典不够完善时，则会使系统的召回率低，可移植性也十分的差。??传统监督学习方法。在监督学习方法中，ＮＥＲ任务被建模为序列标注问题。??ＮＥＲ任务最常使用的是ＢＩＯ标注法，其中Ｂ表示实体的起始位，Ｉ表示实体的??中间及结束位，０表示的是相对应的字符不是实体。如图２．２，?Ｂ－Ｍ．丨Ｓ表示这个??字符是麻将的一个番种的起始位置，Ｉ－ＭＪＳ表示的是这个字符是麻将的一个番种??的中间或结束位置。同上，Ｂ－ＣＡＲＤ，?Ｉ－ＣＡＲＤ表示牌面的起始及中间，结尾位??置。??１录｜?一?｜?ｆａ?｜里丨?＇没丨—?有｜?一?｜条??Ｂ－ＭＪＳ?Ｉ－ＭＪＳ?Ｉ－ＭＪＳ?〇?〇?〇?Ｂ－ＣＡＲＤ?Ｂ－ＣＡＲＤ??图２．２?ＢＩＯ用法举例??建模时，一般将文本作为序列标注模型的输入，ＢＩＯ标注为输出。常用的模??７??
?一般由输入层，隐藏层，输出层构成，隐藏层的任务是自动进行特征提龋深度??学习较传统的机器学习而言，降低了人工定义特征各方面的代价，而且可以捕捉??到人无法认知的隐性特征。此外，引入多个隐藏层还可以使神经网络表达复杂的??非线性函数映射。因此在图像处理，自然语言处理及语音处理方面都有出色的表??现。??２．３．２循环神经网络与长短期记忆网络??循环神经网络（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＲＮＮ），是神经网络中的一利１，擅??长对序列数据进行建模处理。其结构图如图２．３所示。在对一个给定序列ｘ?＝??通过公式＝?／ｄｐＸｔ）更新隐藏层参数。在ＲＮＮ中，函??数／一般是ｔａｎｈ。通过这种方式，ＲＮＮ处理序列元素时充分考虑了序列中前序状??态的元素，其中被称为记忆，是由前ｔ－１个元素生成的。在处理第ｔ个元素??时，产生ｔ时刻的记忆，与下一个元素一起作为处理下一个元素函数的输入。??＜？?？?？???ｔ??ｔ?厂??ｔ??Ｈ??ｒ?■Ｍ＂？｜?Ｕ??Ａ?？?Ａ???ｊ?１??Ｊ??？?？?？??图２．３循环神经网络结构图??长ｆｅ期记忆（Ｌｏｎｇ?Ｓｈｏｒｔ－Ｔｅｒｍ?Ｍｅｍｏｒｙ，ＬＳＴＭ）网络是ＲＮＮ网络的一个变??形，其结构如图２．４所示。通过两张结构图，我们可以看出，在ＲＮＮ的隐藏的??９??
【参考文献】：
期刊论文
[1]Relation Classification via Recurrent Neural Network with Attention and Tensor Layers[J]. Runyan Zhang,Fanrong Meng,Yong Zhou,Bing Liu. Big Data Mining and Analytics. 2018(03)
[2]深度学习算法在问句意图分类中的应用研究[J]. 杨志明,王来奇,王泳. 计算机工程与应用. 2019(10)
[3]问答中的问句意图识别和约束条件分析[J]. 孙鑫,王厚峰. 中文信息学报. 2017(06)
[4]基于卷积神经网络和注意力模型的文本情感分析[J]. 冯兴杰,张志伟,史金钏. 计算机应用研究. 2018(05)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[6]垂直知识图谱的构建与应用研究[J]. 阮彤,王梦婕,王昊奋,胡芳槐. 知识管理论坛. 2016(03)
[7]基于视觉注意机制PCNN模型的车牌图像分割方法[J]. 杨娜,陈后金,陈益强. 交通运输系统工程与信息. 2014(03)
[8]中文开放链接医疗数据的构建[J]. 王昊奋,张金康,程小军. 中国数字医学. 2013 (04)
[9]面向主题的垂直搜索引擎系统的研究与实现[J]. 施佺,王恒山,肖仰华,丁卫平. 微电子学与计算机. 2011(07)
硕士论文
[1]基于深度学习的不完全信息博弈决策的研究与应用[D]. 闫天伟.南昌大学 2019
[2]问句分类方法及其在问答系统中的应用研究[D]. 张倩.郑州大学 2018
本文编号：3368515
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3368515.html
最近更新
教材专著
