基于中文知识图谱的金融领域问答系统的研究与实现

发布时间：2024-03-26 18:45

　　随着互联网的飞速发展,问答系统为用户提供智能知识服务而受到青睐。本文从金融领域的角度出发,针对用户所提问句的不确定性和多样性,对金融领域中文数据进行分析梳理和结构化,构建了知识图谱,研究并实现了基于中文知识图谱的金融领域问答系统(CF-KGQA)。主要工作如下:1.获取与存储数据,构建了具有金融领域特性知识图谱。(1)搭建了一套一主十从的分布式爬虫系统,且为保障数据存储的安全,搭建了可主从备份的数据库集群。(2)定义知识图谱中实体、实体间关系的概念。在构建知识图谱时,不仅要考虑金融领域特性设计图谱结构,还要根据问答系统的实际需求不断进行调整。2.提出了基于深度学习的金融领域问句语义依存分析方法。提出了一种基于讯飞开放平台的语义依存图分析(Semantic Dependency Graph Parsing,SDGP)、双向长短期记忆网络(Bidirectional Long Short-Term Memory,BLSTM)和条件随机场(Conditional Random Field,CRF)的语义依存分析方法(DR-BLSTM-CRF)。(1)结合BLSTM和CRF的命名实体识别(Na...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 研究内容与论文结构
第2章 问答系统相关技术
    2.1 数据获取
    2.2 数据存储
        2.2.1 关系型数据存储
        2.2.2 非关系型数据存储
    2.3 实体识别
        2.3.1 基于规则和词典的方法
        2.3.2 基于统计模型的方法
        2.3.3 基于深度学习的方法
    2.4 实体链接
    2.5 语义抽取
        2.5.1 基于统计学习的语义抽取方法
        2.5.2 基于语法解析的语义抽取方法
        2.5.3 各类语义抽取方法的比较分析
    2.6 Cypher
    2.7 本章小结
第3章 问答系统数据的获取与存储
    3.1 基于Pyspider的数据获取方案
    3.2 基于Mysql的数据存储方案
    3.3 基于Neo4j的数据存储方案
    3.4 本章小结
第4章 基于深度学习的金融领域问句语义依存分析
    4.1 基于DR-BLSTM-CRF的金融领域问句语义依存分析
        4.1.1 BLSTM
        4.1.2 BLSTM-CRF
        4.1.3 DR-BLSTM-CRF
    4.2 实验及相关说明
        4.2.1 数据集
        4.2.2 实验设置
    4.3 实验结果及分析
    4.4 本章小结
第5章 问答系统的设计与实现
    5.1 系统框架设计
    5.2 系统开发环境
    5.3 知识图谱模块
    5.4 问答模块
        5.4.1 意图识别
        5.4.2 查询生成
    5.5 前端展示模块
    5.6 问答系统页面展示
    5.7 本章小结
第6章 总结与展望
    6.1 工作总结
    6.2 后续工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3939522