基于知识图谱的汽车领域智能问答设计与实践

发布时间：2020-09-29 13:53

　　 智能问答系统作为人工智能领域下最重要的应用之一,近些年越来越受到学者们的重视。相比于传统的搜索引擎(如百度,谷歌等)返回冗杂、粗糙的结果,智能问答系统的结果往往更加精确、简洁。同时,伴随深度学习技术的提升和GPU算力的提高,智能问答系统越来越成熟,基本取代了传统的人工客服等问答场景。此时,在市场明朗的汽车领域也迫切需要一个好的问答系统,来帮助用户解决购车或行车时遇到的问题,从而提高行车时的用户体验。本文首先阐述了神经网络、循环神经网络、知识图谱、语义解析等深度学习和智能问答等基本理论;然后,针对汽车行业垂直领域,探究如何从互联网上获得相应的结构化及半结构化数据,并转化为知识图谱中特定的三元组结构;接着,基于处理好的三元组结构,研究如何搭建出某特定领域内的知识图谱;最后,针对构建好的知识图谱,结合自然语言处理中常见的语义解析方法,探索出如何实现一个智能问答系统。在之后的实验测试中,系统可以对常规问题有较好的应答能力,回答结果较为准确并且响应时间较短。证明了方法的有效性和本文研究的可行性。本文独立完成上述工作,开发整个系统。然而,目前系统功能单一、朴素。本文也正持续推进,继续深入,拓展探索相关问题。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F426.471
【部分图文】：

一维向量作为神经元的输入号。则有下列公式：是 维的权重向量。同时， 为数作用 计算后，得到激活值 数。经网络单元结构：...dx ]..dwd bf ( )a

函数：函数值域在之间

8图 5 神经网络结构最简单也是最基本的神经网络架构，包括基本元般来说，模型的复杂度取决于神经网络的深度，性越强，理论上能够更好的拟合真实世界。在初，神经网络深度学习无法进行快速的训练，不被于英伟达公司的 和谷歌的[22]快速发展了神经网络的计算速度。神经网络重新受到人们络往往都是和语言文字相关的，比如智能对话，机需要考虑到上下文信息。因而，在图像领域内大GPU TPURNN

【相似文献】

相关期刊论文 前10条

1 任梦婷;王娟;阮佩姗;刘振盼;;影响高质量网络问答系统建设的因素[J];物流科技;2016年12期

2 武振国;李艳翠;;植物病虫害智能问答系统设计与实现[J];农业网络信息;2017年01期

3 费建军;;智能问答系统中命名实体识别问题研究[J];数字技术与应用;2017年07期

4 何秀;;智能问答系统的研究与设计[J];南方农机;2017年20期

5 张中峰;李秋丹;;社区问答系统研究综述[J];计算机科学;2010年11期

6 刘文华;康海燕;;领域问答系统生成器的研究[J];北京信息科技大学学报(自然科学版);2009年03期

7 张积宾;徐志明;王恒;潘启树;;面向大规模网络数据的社会化问答系统[J];哈尔滨工业大学学报;2008年12期

8 徐雄;;基于深度学习的问答系统研究[J];湖北师范大学学报(自然科学版);2019年01期

9 吴灵慧;;问答系统研究综述[J];科技传播;2019年05期

10 赵昌志;王怡婷;张小琴;;基于深度学习的智能问答系统研究与设计[J];信息与电脑(理论版);2019年11期

相关会议论文 前10条

1 何靖;陈

本文编号：2829811