基于领域知识库的校园智能问答系统关键技术研究

发布时间：2021-01-10 17:40

　　随着互联网的飞速发展,信息的生产和传播速度与日剧增,如何有效地提高获取信息的效率成为人们广泛关注的焦点。与此同时,具有高效性与便捷性的智能问答系统的出现极大地解决了这一问题。在校园领域内,传统的信息化服务将各种信息分布在不同的部门信息门户下,信息杂乱多样,获取方式低效,这种模式已经满足不了广大师生高效获取信息的需求,因此,本文研究并实现一个易用且高效的校园智能问答系统,该系统作为校园信息获取的统一入口,不仅可以提供准确的问题答案信息,还能提供智能化的校园信息服务（查询成绩、预定教室等）。本文主要从知识库设计,问句分析及答案查询三个方面,结合国内外的研究成果,对校园智能问答系统的关键技术进行研究,主要工作及成果如下:1)通过分析现有的四类智能问答系统的特点和在本文应用环境下的不足,结合校园领域内用户的问题需求,提出了层次多标签知识库与领域知识图谱相结合的领域知识库模式,成功解决了校园智能问答系统中问题处理方式多样、问句信息缺失、问句粒度层次不同、人工构建知识库成本及对问答效率与准确率要求较高等难题。2)对问句进行基于领域词典的分词处理,提高了分词准确性,并对分词结果进行领域词性的标注,提... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

SVM分割超平面

图 3-1 问句分类过程示意图类流程中，问句的预处理是问答系统的重要模块，它的分析结果直接影响着后续 建，最终影响着测试集问句的分类结果。本文通过领域知识本体构建领域词典对问 7 类领域词性，对分词结果进行领域词性标注。在训练分类器环节，选取领域词性

问句预处理流程图

【参考文献】：
期刊论文
[1]基于深度学习框架的实体关系抽取研究进展[J]. 李枫林,柯佳.  情报科学. 2018(03)
[2]基于可变最小贝叶斯风险的层次多标签分类方法[J]. 徐智康,李旸,李德玉.  南京大学学报(自然科学). 2017(06)
[3]基于Word2vec的句子语义相似度计算研究[J]. 李晓,解辉,李立杰.  计算机科学. 2017(09)
[4]面向限定领域问答系统的自然语言理解方法综述[J]. 王东升,王卫民,王石,符建辉,诸峰.  计算机科学. 2017(08)
[5]知识图谱研究进展[J]. 漆桂林,高桓,吴天星.  情报工程. 2017(01)
[6]知识图谱技术综述[J]. 徐增林,盛泳潘,贺丽荣,王雅芳.  电子科技大学学报. 2016(04)
[7]基于不同信息资源专利查询扩展方法的研究[J]. 许侃,林原,林鸿飞,徐博.  情报学报. 2016 (06)
[8]中文问答系统问句分析研究综述[J]. 张宁,朱礼军.  情报工程. 2016(01)
[9]小i机器人为每个人的生活带来改变[J].   软件产业与工程. 2013(02)
[10]基于相似度的问答社区问答质量评价方法[J]. 来社安,蔡中民.  计算机应用与软件. 2013(02)

博士论文
[1]面向电商领域的智能问答系统若干关键技术研究[D]. 杨燕.华东师范大学 2016

硕士论文
[1]基于层次多标签分类的适用法律识别[D]. 王景峰.南京大学 2016
[2]基于语义网的旅游业自动问答系统的研究[D]. 王一凡.浙江大学 2016



本文编号：2969131