基于勘探开发知识图谱的深度问答系统关键技术研究

发布时间：2021-08-15 16:42

　　在勘探开发领域的工作中,经常需要从大量的非结构化文本中检索出有用的信息,而传统的全文检索系统使用字符串匹配的方式很难满足检索需求。但是基于知识图谱的问答系统根据用户输入的问句直接输出精准的答案,可以满足勘探开发工作中高效的检索需求。本文研究并设计了基于勘探开发知识图谱的深度问答系统,其中根据答案类型分为简单问答和复杂问答,并针对各自的关键算法和技术进行了探索。其中,简单问答指的是处理答案是事实类短语的问句,其重要环节是问句和关系的语义匹配。由于勘探开发等特定领域的标注样本不足,导致有监督的语义匹配方法难以获得较高的语义匹配准确率。针对此问题,本文提出一种基于循环神经网络的迁移学习模型,其通过预先学习通用领域中大量无标注样本的语义空间分布来提升专业领域的语义匹配准确率。实验结果表明,该模型与传统的有监督学习方法相比可以明显提升语义匹配的准确率。复杂问答指的是处理答案是描述性语句的问句,其核心步骤是构建合理的答案生成模型,以生成精确的答案。传统方法只将文档和问句内容作为输入,然后通过端到端的网络结构生成答案,忽略了文档中高层次的语义特征信息。针对此问题,本文提出结合三元组信息的答案生成模型... 

【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 论文主要研究内容
    1.3 国内外研究现状
        1.3.1 简单问答
        1.3.2 复杂问答
    1.4 论文组织结构
第2章 相关技术
    2.1 知识图谱
    2.2 深度学习
        2.2.1 循环神经网络
        2.2.2 长短期记忆网络
    2.3 迁移学习
    2.4 注意力机制
    2.5 本章小结
第3章 基于勘探开发知识图谱的深度问答系统架构
    3.1 深度问答系统框架
    3.2 简单问答
        3.2.1 实体词映射
        3.2.2 关系语义匹配
        3.2.3 查询获取候选答案
        3.2.4 简单答案综合打分排序
    3.3 复杂问答
        3.3.1 检索候选文档
        3.3.2 提取文档三元组
        3.3.3 复杂答案生成模型
        3.3.4 复杂答案综合打分排序
    3.4 本章小结
第4章 简单问答的语义匹配模型
    4.1 问题论述
        4.1.1 问题概述
        4.1.2 问题定义
    4.2 模型设计
        4.2.1 基于循环神经网络的迁移学习模型
        4.2.2 无监督语义空间分布学习算法
        4.2.3 有监督语义匹配算法
        4.2.4 迁移学习模型的实现
    4.3 实验
        4.3.1 实验数据和参数设置
        4.3.2 对照基准和评估
        4.3.3 实验结果分析
    4.4 本章小结
第5章 复杂问答的答案生成模型
    5.1 问题论述
        5.1.1 问题概述
        5.1.2 问题定义
    5.2 模型设计
        5.2.1 结合三元组信息的答案生成模型
        5.2.2 结合三元组信息的词嵌入层
        5.2.3 上下文嵌入层
        5.2.4 注意力计算层
        5.2.5 全局信息提取层
        5.2.6 输出层
        5.2.7 模型训练
    5.3 实验
        5.3.1 实验数据和参数设置
        5.3.2 对照基准和评估
        5.3.3 实验结果分析
    5.4 本章小结
第6章 总结与展望
参考文献
致谢


【参考文献】：
期刊论文
[1]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)
[2]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)
[3]基于表示学习的知识库问答研究进展与展望[J]. 刘康,张元哲,纪国良,来斯惟,赵军.  自动化学报. 2016(06)
[4]基于改进的TF-IDF方法的文本相似度算法研究[J]. 周丽杰,于伟海,郭成.  泰山学院学报. 2015(03)
[5]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植.  软件学报. 2015(01)
[6]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[7]基于Lucene的全文检索系统研究与开发[J]. 郎小伟,王申康.  计算机工程. 2006(04)
[8]情境模型与语篇理解研究[J]. 迟毓凯.  心理科学. 2002(03)

硕士论文
[1]基于Lucene的中文自然语言搜索引擎[D]. 胡长春.上海交通大学 2009



本文编号：3344914