基于BERT迁移学习的开放域知识图谱智能问答系统研究与实现

发布时间：2021-11-19 05:33

　　随着信息技术、人工智能技术、互联网技术的发展,人类与智能系统交互的技术不断完善,互联网蕴含了海量的知识信息,相关智能应用迅速发展。智能系统内含的自然语言处理领域任务通常需要处理大量语料文本蕴含的知识信息。寻找一种较好的方式实现基于大量知识信息的智能人机交互系统是十分有研究价值与应用价值的。本文旨在基于信息提取的思想,从语句包含的实体、关系信息出发,研究与构造以开放域知识图谱为知识库的智能问答系统。对于问答系统中的智能处理模块,本文基于迁移学习方法将BERT（Bidirectional Encoder Representations from Transformers）模型应用于命名实体识别子任务与实体关系抽取子任务中,得到了较好的结果。本文主要工作有如下4点:1.构建了包括基于文本增强过滤方法的语料数据预处理模块、基于WebSocket的用户问题录入模块、基于BERT迁移模型的序列标注方法的命名实体识别模块、基于同义词语料的实体链接模块、基于HBase thrift2服务的实体关系检索模块、基于BERT迁移模型的语句对分类的实体关系抽取模块、基于答案排序与模式匹配相结合的Top-k答案... 

【文章来源】：河北大学河北省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

问答系统结果1

第四章智能处理过程51图4-5问答系统结果2对于图4-5来说，当问题为’你知道北京西路的旧名是什么吗?’，对智能系统答案分析发现，识别出的问题内涵实体’北京西路’、Top-K答案回答均与地点位置有关，可见对于’你知道北京西路的旧名是什么吗?’这一问句，智能系统基于智能处理、知识图谱内知识信息，回答出了与实际问句内蕴含信息最为接近的答案结果。

【参考文献】：
期刊论文
[1]基于注意机制的化学药物命名实体识别[J]. 杨培,杨志豪,罗凌,林鸿飞,王健.  计算机研究与发展. 2018(07)
[2]基于深层条件随机场的生物医学命名实体识别[J]. 孙晓,孙重远,任福继.  模式识别与人工智能. 2016(11)
[3]中文组织机构名称与简称的识别[J]. 沈嘉懿,李芳,徐飞玉,Hans Uszkoreit.  中文信息学报. 2007(06)



本文编号：3504391