基于古诗知识图谱的智能问答研究

发布时间：2023-10-31 20:00

　　随着互联网的发展,数字化信息呈现出指数增长的趋势,给人们从海量数据中快速准确地获取需要的信息带来了挑战。传统的信息获取方式是使用搜索引擎,通过关键词匹配的方法返回大量的相关网页,导致用户需要耗费大量的精力从返回的网页中筛选出自己需要的答案。与传统的基于搜索引擎的信息获取方式相比,智能问答能够精准理解用户的搜索意图,并将答案直接返回给用户,提高了用户信息获取的效率。同时,知识图谱能够作为智能问答的一个高质量数据来源,其快速发展推动了智能问答在多个领域内的应用。目前,在教育领域非常重视古诗知识的学习和运用,但是古诗知识的体系复杂,用户获取古诗信息的方法主要是通过搜索引擎,对于想要根据条件个性化查找古诗信息的用户来说,这种信息获取方式不够高效。因此,本文构建了一个古诗知识图谱,并基于该知识图谱实现了古诗知识的智能问答。本文的研究工作主要包括以下几个方面:第一,古诗知识图谱构建。以关系型数据库中的数据为基础,利用互联网数据进行补充,将不同来源的数据进行融合,构建了能够用于智能问答的古诗知识图谱。第二,基于BERT的问句分类算法研究。常用的分类算法大都采用Word2vec获取文本的词向量表示,这...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 本文组织结构
第二章 相关技术与理论基础
    2.1 知识图谱介绍
        2.1.1 图数据库
        2.1.2 知识图谱构建流程
    2.2 词语的向量表示
        2.2.1 离散表示
        2.2.2 分布式表示
        2.2.3 Word2vec模型
    2.3 神经网络及深度学习概述
        2.3.1 神经网络
        2.3.2 卷积神经网络
        2.3.3 循环神经网络
        2.3.4 长短期记忆网络
    2.4 本章小结
第三章 基于古诗知识图谱的智能问答总体架构设计
    3.1 智能问答算法框架
    3.2 古诗知识图谱构建
        3.2.1 数据来源
        3.2.2 数据抽取
        3.2.3 数据融合
        3.2.4 数据存储
    3.3 问句类别设计
    3.4 知识查询模板设计
    3.5 本章小结
第四章 关键算法设计与分析
    4.1 问句分类算法
        4.1.1 基于BERT的问句分类算法
        4.1.2 问句分类算法实现
        4.1.3 问句分类实验及分析
    4.2 实体识别算法
        4.2.1 基于BiLSTM-CRF的实体识别算法
        4.2.2 实体识别算法实现
        4.2.3 实体识别实验及分析
    4.3 本章小结
第五章 基于古诗知识图谱的智能问答系统的设计与实现
    5.1 引言
    5.2 开发环境
    5.3 系统架构
    5.4 系统模块设计与实现
        5.4.1 知识图谱构建模块
        5.4.2 前端展示模块
        5.4.3 问答模块
    5.5 整体展示及分析
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 研究展望
参考文献
参与的科研项目
致谢



本文编号：3859392