問(wèn)答系統(tǒng)作為自然語(yǔ)言處理領(lǐng)域最重要的任務(wù)之一,為人們提供了一種更加智能、高效、便捷的信息檢索方式,也是人工智能研究的重要方向之一。由于各行業(yè)的領(lǐng)域知識(shí)差別較大、知識(shí)專(zhuān)業(yè)程度較高,因此構(gòu)造領(lǐng)域問(wèn)答系統(tǒng)更有實(shí)際價(jià)值和意義。同時(shí),隨著知識(shí)圖譜技術(shù)的發(fā)展,知識(shí)圖譜具有提供可信度高、關(guān)聯(lián)信息完備知識(shí)的優(yōu)點(diǎn),因此基于知識(shí)圖譜的問(wèn)答系統(tǒng)成為研究者們關(guān)注的熱點(diǎn)。本文基于問(wèn)句實(shí)體識(shí)別、屬性分類(lèi)和知識(shí)庫(kù)檢索算法設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于知識(shí)圖譜的領(lǐng)域問(wèn)答系統(tǒng)。本文主要展開(kāi)的工作如下:1、針對(duì)問(wèn)句中用戶提問(wèn)所包含的實(shí)體指稱(chēng)形式多樣化難以準(zhǔn)確劃定實(shí)體邊界,本文提出一種基于特征融合的問(wèn)句實(shí)體識(shí)別方法。將問(wèn)句首先經(jīng)過(guò)BERT模型進(jìn)行語(yǔ)義表示,然后通過(guò)BiLSTM和CNN網(wǎng)絡(luò)同時(shí)提取問(wèn)句特征并進(jìn)行融合,最后輸入條件隨機(jī)場(chǎng),進(jìn)一步學(xué)習(xí)標(biāo)簽約束條件,從而提高實(shí)體識(shí)別的準(zhǔn)確度。2、針對(duì)屬性抽取階段中僅通過(guò)<問(wèn)句,屬性>兩者語(yǔ)義匹配難以理解問(wèn)句真正含義,本文提出了引入答案信息輔助進(jìn)行篩選。將其組成<問(wèn)句,屬性>和<問(wèn)句,答案>的方式,并通過(guò)BERT模型進(jìn)行聯(lián)合語(yǔ)義表示;同時(shí)為了分配屬性和答案對(duì)...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
學(xué)位論文數(shù)據(jù)集
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于模板匹配的知識(shí)庫(kù)問(wèn)答
        1.2.2 基于語(yǔ)義解析的知識(shí)庫(kù)問(wèn)答
        1.2.3 基于信息檢索的知識(shí)庫(kù)問(wèn)答
    1.3 主要研究工作及創(chuàng)新點(diǎn)
    1.4 本文章節(jié)組織安排
第二章 理論基礎(chǔ)
    2.1 知識(shí)圖譜簡(jiǎn)介
    2.2 神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)相關(guān)算法
        2.2.1 BERT語(yǔ)義模型
        2.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 條件隨機(jī)場(chǎng)
    2.4 本章小結(jié)
第三章 基于特征融合和自注意力機(jī)制的問(wèn)答方法研究
    3.1 問(wèn)答整體框架
    3.2 基于特征融合的問(wèn)句實(shí)體識(shí)別模型
        3.2.1 問(wèn)句實(shí)體識(shí)別模型結(jié)構(gòu)
        3.2.2 基于BERT的問(wèn)句語(yǔ)義表示
        3.2.3 融合BiLSTM和CNN的特征抽取
        3.2.4 基于條件隨機(jī)場(chǎng)的實(shí)體標(biāo)簽預(yù)測(cè)
    3.3 融合自注意力機(jī)制和答案信息的屬性分類(lèi)模型
        3.3.1 屬性分類(lèi)模型結(jié)構(gòu)
        3.3.2 基于BERT的聯(lián)合語(yǔ)義表示
        3.3.3 基于自注意力機(jī)制的特征權(quán)重分配
    3.4 知識(shí)庫(kù)檢索算法流程
    3.5 實(shí)驗(yàn)方案及結(jié)果分析
        3.5.1 實(shí)驗(yàn)對(duì)象
        3.5.2 結(jié)果評(píng)價(jià)指標(biāo)
        3.5.3 實(shí)驗(yàn)環(huán)境設(shè)置
        3.5.4 實(shí)驗(yàn)參數(shù)
        3.5.5 實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
第四章 文物領(lǐng)域問(wèn)答系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 系統(tǒng)架構(gòu)設(shè)計(jì)
    4.2 開(kāi)發(fā)環(huán)境和技術(shù)框架
    4.3 文物領(lǐng)域知識(shí)圖譜構(gòu)建
        4.3.1 多源數(shù)據(jù)獲取
        4.3.2 詞表構(gòu)建
        4.3.3 基于CIDOC CRM的本體構(gòu)建
    4.4 問(wèn)答系統(tǒng)頁(yè)面設(shè)計(jì)與功能展示
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來(lái)展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者及導(dǎo)師介紹
附件



本文編號(hào)：3845460