基于深度学习混合模型的汽车信息问答系统设计与实现
发布时间：2021-06-14 22:11
搜索引擎的出现是信息检索领域的一个重要发展,人们可以通过搜索引擎查找自己需要的内容以提升工作和生活中解决问题的效率。但随着信息时代不断发展,网络数据量飞速增长,通过搜索引擎可能会获得一些冗余甚至是无关的网页,人们更期待简洁且精准的回答。智能问答系统的出现正好满足了人们的需求,这种拟人化的智能系统能够接收用户使用自然语言提出的问题,然后分析用户意图并且通过推理计算给用户返回直接准确的答案。现有的中文问答系统由于中文语句的连续性、中文语法的灵活性等原因,目前没有很成熟的中文问答系统开源框架。其次,深度学习算法在问答领域的准确率还有很大的提升空间。再者,当前主流的问答系统是面向开放领域实现的,对于专业领域的提问可能无法返回用户满意的答案。所以,基于深度学习且面向限定领域的中文问答系统有很大的研究价值。问答系统类型可以根据用户提问所属数据域、答案的数据来源、答案生成的反馈机制和信息检索阶段所用方法进行分类,本文主要研究面向汽车知识限定领域、基于问答对、检索式以及深度学习方法的中文问答系统,以期在实验中提高问答系统的准确率,并且实现以汽车说明书作为基础语料构建知识库的汽车信息问答系统。本文主要对...
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
网页检索但如果同样的问题，用户直接询问身边的其他人可能直接就能获得答案“南宁”，并且能够使用自然语言进行提问，符合人类的说话习惯
西南大学工程硕士学位论文2取知识，不但要求系统能够理解问题的语义，还要求系统能够基于掌握的知识和推理计算能力形成答案返回给用户。如图1.2的智能问答系统展示，用户使用语音输入“广西的省会是哪个城市”后，不需要再进行其他的操作，系统直接返回答案“南宁”，整个过程操作简单且能准确获得目标信息。图1.2智能问答系统智能问答系统能够精准捕捉用户的搜索意图，理解用户的自然语言提问，并且将答案直接返回给用户[1]，而不需要用户通过搜索关键词获得大量的相关文档之后再去寻找需要的信息。除此之外，它的思想设计、实现机制和期望结果完全有别于传统的检索方式，是一种更深层次的信息获取方式[2]。与智能问答系统息息相关的深度学习算法也已经发展了很长一段时间。1982年开始，人们就开始研究神经网络，但受限于当时的数据和计算能力，神经网络的研究并没有得到有效的推进。直至2006年，Hinton等人[3]发表了关于手写识别方面研究的文章才使得人们重新重视深度学习算法,并且打破了神经网络无法训练的观念。到了2007年,YoshuaBengio等人[4]更是验证了深度学习能够以无监督学习的方式从训练中提取特征，并且证明了深度学习在解决复杂问题方面比其他方法更加有效。发展至今，无论是机器手写识别任务还是机器语音识别任务，都有可能比人类在进行同类工作时的正确率更高，而我们日常使用的很多软件都有深度学习的支持。可见，深度学习也越来越贴近我们的工作和生活。本文选题考虑以下场景：车主在购车后对新车不熟悉，遇到问题应该怎么做？有以
西南大学工程硕士学位论文3下两种常见方法可以解决问题，一是翻阅纸质的汽车说明书，二是打开智能手机使用搜索引擎来寻找答案。这两种方法都存在相同的缺点，需要车主自己去查阅大量的文章以获得解决问题的答案。为了简化这个繁琐的查找阅读过程，本文提出一个汽车信息问答系统。该系统以汽车说明书作为基础语料构建知识库，并且利用自然语言处理、语义分析、人工智能和信息检索等技术，充分理解汽车用户的提问后检索汽车说明书中相关文档信息作为答案返回给用户，从而解决问题。图1.3汽车信息问答系统使用场景1.2国内外研究现状智能问答系统和传统的信息检索系统都是现代信息技术领域的重要发展，而问答系统相较于传统的信息检索系统又多了人工智能的概念，它们在很多方面有所不同，如下表1.1所示：表1.1问答系统与信息检索系统的比较比较方面问答系统信息检索系统系统的输入自然语言关键词系统的输出自然语言答案文档列表上下文环境需要考虑用户对话的上下文不需要考虑上下文环境任务驱动必要时要求用户补充问题信息尽可能理解当前查询信息检索系统一般是基于关键词进行搜索，返回文档作为系统的输出。近来的信息检索系统也在逐步利用语义信息，例如支持查询扩展[5]、语义相似度匹配[6]以及基于知识图谱的实体识别[7],但是检索系统和问答系统还是有明显差异的。而问答系统类型可以根据以下几个方面划分：按照问题所属领域、按照答案的数据来源、按照答案生成的
【参考文献】：
期刊论文
[1]基于包装产业大数据知识图谱的智能问答系统设计[J]. 杨芳权. 现代电子技术. 2018(04)
[2]基于知识库的藏文问答系统研究[J]. 孙浩蒸,于洪志,苏敏. 西北民族大学学报(自然科学版). 2015(02)
[3]基于问答对的荔枝种植答疑系统研究与实现[J]. 陈泽健,祝胜林,罗贤锋. 广东农业科学. 2014(09)
[4]农民信息服务问答系统设计与实现[J]. 王永芳. 农业网络信息. 2012(08)
[5]国内中文自动分词技术研究综述[J]. 奉国和,郑伟. 图书情报工作. 2011(02)
硕士论文
[1]基于中文知识图谱的智能问答系统设计与实现[D]. 张淼.华中师范大学 2018
[2]限定域问答系统自动建库及检索研究与系统设计实现[D]. 李倩倩.哈尔滨工业大学 2017
[3]基于深度学习的智能问答系统研究[D]. 邢世样.北京邮电大学 2017
[4]中文问答系统中问题理解与信息检索的研究与实现[D]. 张晓孪.西北大学 2007
本文编号：3230311
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
网页检索但如果同样的问题，用户直接询问身边的其他人可能直接就能获得答案“南宁”，并且能够使用自然语言进行提问，符合人类的说话习惯
西南大学工程硕士学位论文2取知识，不但要求系统能够理解问题的语义，还要求系统能够基于掌握的知识和推理计算能力形成答案返回给用户。如图1.2的智能问答系统展示，用户使用语音输入“广西的省会是哪个城市”后，不需要再进行其他的操作，系统直接返回答案“南宁”，整个过程操作简单且能准确获得目标信息。图1.2智能问答系统智能问答系统能够精准捕捉用户的搜索意图，理解用户的自然语言提问，并且将答案直接返回给用户[1]，而不需要用户通过搜索关键词获得大量的相关文档之后再去寻找需要的信息。除此之外，它的思想设计、实现机制和期望结果完全有别于传统的检索方式，是一种更深层次的信息获取方式[2]。与智能问答系统息息相关的深度学习算法也已经发展了很长一段时间。1982年开始，人们就开始研究神经网络，但受限于当时的数据和计算能力，神经网络的研究并没有得到有效的推进。直至2006年，Hinton等人[3]发表了关于手写识别方面研究的文章才使得人们重新重视深度学习算法,并且打破了神经网络无法训练的观念。到了2007年,YoshuaBengio等人[4]更是验证了深度学习能够以无监督学习的方式从训练中提取特征，并且证明了深度学习在解决复杂问题方面比其他方法更加有效。发展至今，无论是机器手写识别任务还是机器语音识别任务，都有可能比人类在进行同类工作时的正确率更高，而我们日常使用的很多软件都有深度学习的支持。可见，深度学习也越来越贴近我们的工作和生活。本文选题考虑以下场景：车主在购车后对新车不熟悉，遇到问题应该怎么做？有以
西南大学工程硕士学位论文3下两种常见方法可以解决问题，一是翻阅纸质的汽车说明书，二是打开智能手机使用搜索引擎来寻找答案。这两种方法都存在相同的缺点，需要车主自己去查阅大量的文章以获得解决问题的答案。为了简化这个繁琐的查找阅读过程，本文提出一个汽车信息问答系统。该系统以汽车说明书作为基础语料构建知识库，并且利用自然语言处理、语义分析、人工智能和信息检索等技术，充分理解汽车用户的提问后检索汽车说明书中相关文档信息作为答案返回给用户，从而解决问题。图1.3汽车信息问答系统使用场景1.2国内外研究现状智能问答系统和传统的信息检索系统都是现代信息技术领域的重要发展，而问答系统相较于传统的信息检索系统又多了人工智能的概念，它们在很多方面有所不同，如下表1.1所示：表1.1问答系统与信息检索系统的比较比较方面问答系统信息检索系统系统的输入自然语言关键词系统的输出自然语言答案文档列表上下文环境需要考虑用户对话的上下文不需要考虑上下文环境任务驱动必要时要求用户补充问题信息尽可能理解当前查询信息检索系统一般是基于关键词进行搜索，返回文档作为系统的输出。近来的信息检索系统也在逐步利用语义信息，例如支持查询扩展[5]、语义相似度匹配[6]以及基于知识图谱的实体识别[7],但是检索系统和问答系统还是有明显差异的。而问答系统类型可以根据以下几个方面划分：按照问题所属领域、按照答案的数据来源、按照答案生成的
【参考文献】：
期刊论文
[1]基于包装产业大数据知识图谱的智能问答系统设计[J]. 杨芳权. 现代电子技术. 2018(04)
[2]基于知识库的藏文问答系统研究[J]. 孙浩蒸,于洪志,苏敏. 西北民族大学学报(自然科学版). 2015(02)
[3]基于问答对的荔枝种植答疑系统研究与实现[J]. 陈泽健,祝胜林,罗贤锋. 广东农业科学. 2014(09)
[4]农民信息服务问答系统设计与实现[J]. 王永芳. 农业网络信息. 2012(08)
[5]国内中文自动分词技术研究综述[J]. 奉国和,郑伟. 图书情报工作. 2011(02)
硕士论文
[1]基于中文知识图谱的智能问答系统设计与实现[D]. 张淼.华中师范大学 2018
[2]限定域问答系统自动建库及检索研究与系统设计实现[D]. 李倩倩.哈尔滨工业大学 2017
[3]基于深度学习的智能问答系统研究[D]. 邢世样.北京邮电大学 2017
[4]中文问答系统中问题理解与信息检索的研究与实现[D]. 张晓孪.西北大学 2007
本文编号：3230311
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3230311.html
