科技的迅猛發(fā)展引領(lǐng)社會走入大數(shù)據(jù)時代,隨之而來人們也面臨著數(shù)據(jù)爆炸和信息迭代更新過快等實際操作問題。傳統(tǒng)搜索引擎單一檢索反饋的龐大網(wǎng)頁信息已無法滿足人們快速獲取精準(zhǔn)信息的需求。智能問答作為人工智能和自然語言處理方向的研究熱點,它能夠為用戶提供高效準(zhǔn)確的答案和智能個性化的服務(wù),目前正被逐步應(yīng)用于各大商用領(lǐng)域。然而,由于自然語句的語義存在多樣性及具有研究價值的限定域問答數(shù)據(jù)集缺乏,智能問答研究目前仍面臨著許多瓶頸。本文研究了開放域英文與限定域中文智能問答算法,并對模型進(jìn)行了測試驗證;基于人工智能標(biāo)記語言設(shè)計實現(xiàn)了面向虛擬學(xué)習(xí)環(huán)境的智能問答教學(xué)交互系統(tǒng),驗證并拓展了智能問答模型的實際應(yīng)用價值。研究內(nèi)容如下:1、研究基于開放域的英文智能問答。針對傳統(tǒng)模型無法捕獲問題和答案語句依賴關(guān)聯(lián)性的缺點,提出一種融合堆疊雙向長短時記憶網(wǎng)絡(luò)與協(xié)同注意力機(jī)制的語義理解模型。長短時記憶網(wǎng)絡(luò)用于獲取各詞語間的依賴關(guān)聯(lián)性;注意力機(jī)制與協(xié)同注意力機(jī)制生成關(guān)聯(lián)矩陣,捕獲問題和答案語句的交互影響與作用,獲取語句的進(jìn)一步特征向量表示;選取智能尋優(yōu)算法完成參數(shù)尋優(yōu)。在TREC8-13、Wiki-QA與SemEval2015公... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【部分圖文】：

word2vec模型訓(xùn)練過程

圖 3.3 word2vec 模型訓(xùn)練過程完成詞向量模型的訓(xùn)練過程后，從數(shù)據(jù)集語料中隨機(jī)選取部分自然語言語對模型進(jìn)行測試。測試分兩部分：其一是測試模型對詞語向量化的表通過混淆矩陣的形式表現(xiàn)，如圖 3.4 所示；其二是測試模型映射相似詞語從語料中隨機(jī)選定一個詞語，計算與其語義最相似的前十個詞，結(jié)果如。

圖 3.5 word2vec 模型詞語間相似性檢測實驗結(jié)果從圖 3.4 可看出，同一詞語的自我表征識別結(jié)果為 100%，而詞語 man、woman和 human 這三個詞向量化后的結(jié)果都比較接近。由圖 3.5 可得與 society 最相似的詞分別是 community、nation 和 world 等，其中 community 的相似度分值達(dá)到了0.6035。綜上可知，經(jīng)過訓(xùn)練后的 word2vec 模型具備較好的詞語向量化表征能力，可為后續(xù)的深度網(wǎng)絡(luò)模型提供優(yōu)良的初始特征向量。3.3 融合堆疊 BiLSTM 網(wǎng)絡(luò)與協(xié)同注意力機(jī)制的問答對特征提取在獲得語句的初始向量后，語句語義的理解與解析則需要架構(gòu)深度網(wǎng)絡(luò)模型來實現(xiàn)。本小節(jié)將展示改進(jìn)的特征提取模型架構(gòu)過程。3.3.1 堆疊 BiLSTM 網(wǎng)絡(luò)

【參考文獻(xiàn)】：
期刊論文
[1]基于BI-LSTM-CRF模型的限定領(lǐng)域知識庫問答系統(tǒng)[J]. 程樹東,胡鷹.  計算機(jī)與現(xiàn)代化. 2018(07)
[2]面向自然語言處理的深度學(xué)習(xí)[J]. 薛亞非.  電子技術(shù)與軟件工程. 2018(12)
[3]專業(yè)領(lǐng)域智能問答系統(tǒng)設(shè)計與實現(xiàn)[J]. 陶永芹.  計算機(jī)應(yīng)用與軟件. 2018(05)
[4]基于稀疏自學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的句子分類模型[J]. 高云龍,左萬利,王英,王鑫.  計算機(jī)研究與發(fā)展. 2018(01)
[5]Temporality-enhanced knowledge memory network for factoid question answering[J]. Xin-yu DUAN,Si-liang TANG,Sheng-yu ZHANG,Yin ZHANG,Zhou ZHAO,Jian-ru XUE,Yue-ting ZHUANG,Fei WU.  Frontiers of Information Technology & Electronic Engineering. 2018(01)
[6]面向限定領(lǐng)域問答系統(tǒng)的自然語言理解方法綜述[J]. 王東升,王衛(wèi)民,王石,符建輝,諸峰.  計算機(jī)科學(xué). 2017(08)
[7]基于注意機(jī)制編碼解碼模型的答案選擇方法（英文）[J]. Yuan-ping NIE,Yi HAN,Jiu-ming HUANG,Bo JIAO,Ai-ping LI.  Frontiers of Information Technology & Electronic Engineering. 2017(04)
[8]面向自然語言處理的深度學(xué)習(xí)研究[J]. 奚雪峰,周國棟.  自動化學(xué)報. 2016(10)
[9]問答系統(tǒng)研究綜述[J]. 毛先領(lǐng),李曉明.  計算機(jī)科學(xué)與探索. 2012(03)
[10]虛擬博物館中基于場景語義的三維交互[J]. 袁海波,劉厚泉,潘志庚,劉劍鋒.  微計算機(jī)信息. 2009(27)

博士論文
[1]虛擬環(huán)境中基于語義的三維交互技術(shù)研究及應(yīng)用[D]. 王亮.中國科學(xué)技術(shù)大學(xué) 2008



本文編號：3420206