每一年度的高考之后,都會(huì)有大量考生及家長們咨詢報(bào)考院校及專業(yè)選擇的相關(guān)問題。然而多數(shù)考生及家長們在填報(bào)高考志愿時(shí),對(duì)各個(gè)招生專業(yè)并不了解,盲目從眾式的選擇專業(yè),不僅會(huì)增加考生退學(xué)重考的風(fēng)險(xiǎn),還會(huì)對(duì)考生未來的從業(yè)方向產(chǎn)生重大影響。雖然考生及家長們可以從互聯(lián)網(wǎng)上以關(guān)鍵字檢索的方式獲取信息,但這種方法容易產(chǎn)生大量雜亂、不相關(guān)的信息,檢索效率低下。因此,本文設(shè)計(jì)并實(shí)現(xiàn)了一種面向云南財(cái)經(jīng)大學(xué)招生咨詢領(lǐng)域的問答系統(tǒng),接受用戶以自然語言方式輸入并返回答案,可以高效的回答考生及家長們關(guān)于報(bào)考院校的專業(yè)、師資力量以及高校各職能部門屬性信息的相關(guān)問題。本體對(duì)語義信息的描述能力及推理能力可以大大提高問答系統(tǒng)的準(zhǔn)確率。因此,本文利用本體技術(shù)將高校招生專業(yè)及高校職能部門的相關(guān)數(shù)據(jù)整合起來,構(gòu)建了一個(gè)面向云南財(cái)經(jīng)大學(xué)招生咨詢領(lǐng)域的本體。然后,對(duì)用戶輸入的自然語言問句進(jìn)行問句預(yù)處理,包括分詞、詞性標(biāo)注、主體識(shí)別及問句分類等。其中,針對(duì)特定領(lǐng)域文本的新詞識(shí)別問題,本文在句法分析的基礎(chǔ)上,結(jié)合本體中知識(shí)的表達(dá)形式,自定義領(lǐng)域內(nèi)專有名詞的識(shí)別規(guī)則,提出了一種基于領(lǐng)域本體和句法分析相結(jié)合的混合分詞算法,實(shí)驗(yàn)結(jié)果表明,該混合... 

【文章來源】：云南財(cái)經(jīng)大學(xué)云南省

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

句法分析樹示例

法（Shift-Reduce Algorithm）是一種從下到上子最左側(cè)開始，然后依次進(jìn)行“歸約”，一直到歸歸約算法類似于下推自動(dòng)機(jī)的 LR 分析法，其操法主要的步驟流程如下：從句子左端開始將一個(gè)終結(jié)符移到棧頂；根據(jù)規(guī)則，將棧頂?shù)娜舾勺址鎿Q為一個(gè)符號(hào)；句子中所有的詞語都已移進(jìn)棧中，且棧中只剩下示句法分析樹的根節(jié)點(diǎn)），句法分析成功，結(jié)束句子中所有詞語都已移進(jìn)棧中，棧中并非只有一歸約操作，句法分析失敗，結(jié)束；是學(xué)生”這句話為例，來演示基于移進(jìn)-歸約的句的句法分析樹如圖 2.2 所示。

第二章 相關(guān)數(shù)據(jù)挖掘算法通常為 SPARQL 結(jié)構(gòu)化查詢語言，因此，問句分類的目的就是為型的語句調(diào)用不同的 SPARQL 查詢模板，進(jìn)而實(shí)現(xiàn)基于領(lǐng)域本體檢索。文中采用的問句分類算法是 LSTM 網(wǎng)絡(luò)模型，LSTM 是深度學(xué)習(xí)絡(luò)的一種變形模型，該模型經(jīng)常被應(yīng)用在許多序列相關(guān)的任務(wù)中，決普通循環(huán)神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)存在的長期依賴問題[26]。在本小節(jié)中前饋神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)以及 LSTM 做簡單介紹[27-28]。、前饋神經(jīng)網(wǎng)絡(luò)饋神經(jīng)網(wǎng)絡(luò)（Feed-Forward Neural Network，F(xiàn)NN）是深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)模型。下圖 2.3 是一個(gè)簡單的前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

【參考文獻(xiàn)】：
期刊論文
[1]面向?qū)I(yè)領(lǐng)域的中文分詞方法[J]. 成于思,施云濤.  計(jì)算機(jī)工程與應(yīng)用. 2018(17)
[2]基于語義信息的中文分詞研究[J]. 張生杰,霍丹.  電腦知識(shí)與技術(shù). 2018(22)
[3]基于揚(yáng)州的旅游本體構(gòu)建研究[J]. 封玨.  信息與電腦(理論版). 2018(03)
[4]中文分詞相關(guān)算法研究[J]. 吳熠瀟.  科技經(jīng)濟(jì)導(dǎo)刊. 2018(02)
[5]基于深度循環(huán)神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測模型[J]. 楊祎玥,伏潛,萬定生.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(03)
[6]基于深度學(xué)習(xí)的問題分類方法研究[J]. 李超,柴玉梅,南曉斐,高明磊.  計(jì)算機(jī)科學(xué). 2016(12)
[7]警務(wù)應(yīng)用中基于雙向最大匹配法的中文分詞算法實(shí)現(xiàn)[J]. 陶偉.  電子技術(shù)與軟件工程. 2016(04)
[8]本體上下位關(guān)系在招生問答機(jī)器人中的應(yīng)用研究[J]. 余昕聰,李紅蓮,呂學(xué)強(qiáng).  現(xiàn)代圖書情報(bào)技術(shù). 2015(12)
[9]基于層疊CRF模型的詞結(jié)構(gòu)分析[J]. 方艷,周國棟.  中文信息學(xué)報(bào). 2015(04)
[10]基于本體的航空領(lǐng)域問答系統(tǒng)[J]. 張克亮,李偉剛,王慧蘭.  中文信息學(xué)報(bào). 2015(04)

博士論文
[1]基于詞語搭配知識(shí)和語法功能匹配的句法分析器[D]. 徐潤華.南京師范大學(xué) 2013

碩士論文
[1]基于深度學(xué)習(xí)的漢語解釋性意見關(guān)系識(shí)別方法研究與實(shí)現(xiàn)[D]. 穆明武.黑龍江大學(xué) 2018
[2]基于詞典與統(tǒng)計(jì)結(jié)合的中文分詞方法研究及全文檢索系統(tǒng)設(shè)計(jì)[D]. 周世宇.華中師范大學(xué) 2017
[3]基于深度學(xué)習(xí)的自然語言句法分析研究[D]. 周青宇.哈爾濱工業(yè)大學(xué) 2016
[4]基于中草藥語義網(wǎng)的自動(dòng)問答系統(tǒng)的研究與實(shí)現(xiàn)[D]. 錢宏澤.浙江大學(xué) 2016



本文編號(hào)：3028497