基于深度学习的高校招生问答服务系统的研究及实现

发布时间：2024-04-10 21:34

　　目前,在高校招生咨询工作中,随着咨询人数的增多以及各部门业务处理流程的各尽不同,在一定程度上造成工作量繁重、管理压力剧增。那么,如何为广大学生及时提供专业性、可靠性、实时性的帮助,这是招生场景中亟需解决的问题。因此,本文以高校招生为应用场景,构建一款初具智能化的招生问答服务系统,该系统将辅助工作人员为学生答疑解惑,这不仅能提高工作效率与满意度,而且对于医疗咨询、银行业务等类似需求场景同样具有积极的借鉴意义。本文的研究目标是构建一款面向高校招生限定领域的智能问答系统,该系统由问句理解模块、问句检索模块和答案生成模块组成,涉及的关键研究内容包含文本预处理、文本向量化、文本分类计算、文本相似度计算、文本交互匹配计算。对于该系统而言,如何提高系统问句理解模块归属查询语句类别的能力;如何提高系统问句检索模块度量语义等价的能力;如何提高答案生成模块中查询语句与候选答案集的文本交互匹配,这些是本文的研究重点。因此,本论文的主要研究工作及成果为,构建了一种基于词性特征的CNN_BiGRU问题分类模型;构建了一种基于注意力k-max池化BiLSTM网络的问句相似度模型;构建了一种基于...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图2.6GRU单元tx

重庆理工大学硕士学位论文12图2.5LSTM单元2.4.3门控循环单元LSTM单元的门机制能高效的学习序列化语言潜含的语义信息，然而，LSTM自身结构相当复杂造成计算代价较高，随后，研究者对LSTM单元的门控组件改进得到门控循环单元GRU[29]。GRU单元结构如图2.6所示，G....

图4.1问句检

4.基于注意力k-max池化BiLSTM网络的问句相似度算法244基于注意力k-max池化BiLSTM网络的问句相似度算法第三章中，应用于系统问句理解模块的问题分类算法准确的将用户问题归属至领域问答库的某一类别中，本章根据问句理解模块得到的查询表示进而为其设计了对应的问句检索模块....

图5.1答案生

5.基于attention_BiGRU交互匹配的答案置信度算法335基于attention_BiGRU交互匹配的答案置信度算法根据第四章系统中问句检索模块检索用户问题而生成的候选答案集，本文在系统中据此设计了对应的答案生成模块，该模块负责从候选答案集中为用户返回最佳的候选答案。答....

图5.1答案生

5.基于attention_BiGRU交互匹配的答案置信度算法335基于attention_BiGRU交互匹配的答案置信度算法根据第四章系统中问句检索模块检索用户问题而生成的候选答案集，本文在系统中据此设计了对应的答案生成模块，该模块负责从候选答案集中为用户返回最佳的候选答案。答....

本文编号：3950395