自動問答系統(tǒng)的出現(xiàn)極大地滿足了人們高效地獲取相關(guān)信息的需求,但目前的自動問答系統(tǒng)大多是基于常見問題集(FAQ)或者面向開放領(lǐng)域的,對于中醫(yī)冠心病受限領(lǐng)域而言,必然存在答案專業(yè)性差、正確率低、語義理解力差、不靈活等的弊端。如何改進和設(shè)計自然語言處理(NLP)方案來適應(yīng)中醫(yī)冠心病自動問答系統(tǒng)是關(guān)鍵性的問題。中醫(yī)冠心病本體節(jié)點猶如人腦中的神經(jīng)元,利用構(gòu)建中醫(yī)冠心病本體來取代FAQ的知識存儲方式,可在一定程度上減輕弊端。因此,本文著力于設(shè)計一種針對中醫(yī)冠心病自動問答系統(tǒng)有效的NLP方案,并通過實現(xiàn)系統(tǒng)來驗證方案的適用性和高效性。本文運用專家鑒定的中醫(yī)文獻資料構(gòu)建出中醫(yī)冠心病本體知識網(wǎng)絡(luò),為系統(tǒng)生成正確、專業(yè)性的答案奠定了基礎(chǔ)。本文構(gòu)建出的中醫(yī)冠心病關(guān)鍵詞詞庫、常用詞詞庫、問題詞詞庫、問句模板和詞向量表,可實現(xiàn)對2962個中醫(yī)冠心病領(lǐng)域關(guān)鍵詞和約700篇中醫(yī)古代文獻的信息匹配和提取,并為本文設(shè)計的基于折半查找的逆向最大匹配算法的分詞方法提供了基礎(chǔ)。本文在研究面向受限領(lǐng)域自動問答系統(tǒng)的NLP關(guān)鍵技術(shù)基礎(chǔ)上,設(shè)計了針對中醫(yī)冠心病受限領(lǐng)域的自動問答系統(tǒng)的實現(xiàn)方案。本文根據(jù)問句特點將系統(tǒng)劃分為三個問句處...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1CBOW模型

沈陽工業(yè)大學(xué)碩士學(xué)位論文等于0（正交）。從中可以發(fā)現(xiàn)，“癥狀”與“病”與“什么”之間毫無關(guān)系。綜上所述，密集向，該表示法能更準確地表現(xiàn)出詞向量的語義信息an樹的CBOW語言模型NNLM語言建模中較為流行的“連續(xù)詞袋”法待處理詞的周圍詞）來預(yù)測待處理詞可能出現(xiàn)的需取出數(shù)....

圖2.2HierarchySoftmax示意圖

第2章相關(guān)概念及其理論綜述概率模型計算詞向量的方法效率大幅提高。加ax回歸的參數(shù)冗余過擬合問題，保證代價函數(shù)圖2.2所示。

圖4.2中醫(yī)冠心病本體表部分截圖

（1）中醫(yī)冠心病本體表中醫(yī)冠心病本體表是由遼寧中醫(yī)藥大學(xué)專家和本課題研究人員共同構(gòu)建的，數(shù)據(jù)的節(jié)點項內(nèi)容均源于中醫(yī)古籍、文獻，這保證了本體表數(shù)據(jù)的可靠性和準確醫(yī)冠心病本體表部分截圖，如圖4.2所示。

圖4.3問句模板Fig.4.3Questiontemplate

廣泛收集常見的關(guān)于中醫(yī)冠心病問句的常見的問句形式，問句模板中只列出問式不包含中醫(yī)關(guān)鍵詞。考慮到效率問題，在快速檢索階段用到問句模板，所以問板規(guī)模不能大，目的是快速。來源于專家、老師等學(xué)者的總結(jié)和網(wǎng)絡(luò)資源。問句，如圖4.3所示。

本文編號：3941966