面向校园领域的自动问答系统的研究与实现

发布时间：2024-02-04 02:24

　　随着互联网数据的爆炸式增长,人们每天都能接触到海量的信息。但是通过搜索引擎搜索信息的方式是低效的。自动问答系统允许用户通过自然语言提问,直接向用户返回准确的答案。这样的信息获取方式相较于搜索引擎,更加贴近人类的生活习惯。自动问答系统根据知识领域的不同可以分为面向开放领域的自动问答系统和面向特定领域的自动问答系统。面向开放领域的自动问答系统是没有针对性的,已经有很多大型的公司和科研机构对其进行了研究。而面向特定领域的自动问答系统可以针对性地解答用户在该领域的问题,更加具有研究意义和实用性。为了更好地服务在校师生的学习生活,本文对面向校园领域的自动问答系统进行了研究。校园领域的知识多以表格或者文本形式存在,而之前的校园领域问答研究大多将研究重点放在了文本形式知识上,而忽略了对表格知识的研究利用。本研究除了对文本知识以外,还对表格知识进行研究。对于不同形式的校园知识,系统自动查询的方式不同,缺乏统一易用的查询方式。本研究的主要目标是构建校园领域知识库,并实现基于该知识库的自动问答系统。本文的研究内容主要分为以下三个部分。(1)数据库自然语言接口模型构建:校园领域知识中的表格数据适合存储在关系...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图１－２关系数据库问句处理流程示意图??本课题采用基于ＳＱＬ语法树的网络构造数据库自然语言接口，使得模型可??

?１?Ｂｕｉｌｄｉｎｇ?｜?Ｄａｙ＿ｏｆ一ｗｅｅｋ?｜?Ｌｅｓｓｏｎ?｜?Ｃｌａｓｓｒｏｏｍ?｜?Ｃｏｕｒｓｅ?｜??泔到间句对应的ＳＱｌ＿ｉ询：??ＳＥＬＥＣＴ?Ｃｌａｓｓｒｏｏｍ??ＦＲＯＭ?ｓｃｈｏｏｌ＿ｔｉｍｅｔａｂｌｅ??ＷＨＥＲＥ?Ｄａｙ＿ｏｆ＿ｗｅｅｋ?＝?‘Ｗｅｄ....

图１－３知识库问答流程示意图??１．３．３面向校园领域的自动问答系统的设计与实现??

误，本课题选择将字作为序列标注的基本单位。??属性映射问题可以转化为文本相似度问题，采用Ｓｉａｍｅｓｅ网络结构计算文本相似??度可以有效减少网络参数，使网络快速收敛。??知识库问答??＂Ｔ￣?｜?命名实体识别：??１４这妄卡在哪里可以充值？?＞??属性映射：???１?充值点?警香....

图２－１?ＲＮＮ模型结构图??ＬＳＴＭ为了避免梯度消失的问题，通过一些技巧对隐藏结构进行改进，其模??

?第二章相关技术简介???第二章相关技术简介??２．１模型算法相关技术??２．１．１?ＬＳＴＭ??循环神经网络（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒｏｎ?Ｎｅｔｗｏｒｋ，?ＲＮＮ）是深度神经网络的一种，其??模型结构如图２－１所示。它能够记忆当前时刻的历史信息，并利用当前时刻历史??信息....

图２－２?ＬＳＴＭ模型结构图??ＬＳＴＭ的隐藏层包含三个门结构，分别为输入门、遗忘门和输出门

?第二章相关技术简介???第二章相关技术简介??２．１模型算法相关技术??２．１．１?ＬＳＴＭ??循环神经网络（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒｏｎ?Ｎｅｔｗｏｒｋ，?ＲＮＮ）是深度神经网络的一种，其??模型结构如图２－１所示。它能够记忆当前时刻的历史信息，并利用当前时刻历史??信息....

本文编号：3895044