隨著網(wǎng)絡(luò)的普及和大數(shù)據(jù)的迅速發(fā)展,互聯(lián)網(wǎng)上可供學(xué)習(xí)的信息來源越來越豐富,人們能夠通過搜索引擎快速便捷地獲取自己想要的信息。而由于可供選擇的數(shù)據(jù)量很大,搜索引擎需要有較強的算法支持以匹配到用戶真正需要的信息。但是現(xiàn)有的搜索引擎仍然存在很多不足,主要分為以下兩個方面:一是返回結(jié)果太多,導(dǎo)致用戶很難快速準(zhǔn)確地發(fā)現(xiàn)最符合需要的信息;二是搜索引擎的技術(shù)基礎(chǔ),即關(guān)鍵字匹配,主要關(guān)注語言的語法形式,而對語義的關(guān)注較少,同時由于用戶表達個人需求的能力參差不齊,采用簡單的查詢詞難以準(zhǔn)確地表達信息需求,使得檢索效果一般。除搜索引擎外,可以用問答檢索系統(tǒng)來滿足用戶的信息需求。不同于傳統(tǒng)的搜索引擎,問答檢索系統(tǒng)不僅能用自然語言語句來提問,還可以根據(jù)模型返回的查詢結(jié)果直接將最佳答案返回給用戶,而不再僅是相關(guān)的網(wǎng)頁。問答檢索系統(tǒng)通過對問題和答案進行相關(guān)性匹配排序來找到最佳答案,因此,選擇合適的訓(xùn)練數(shù)據(jù)是訓(xùn)練問答檢索模型的第一步�；诖�,本文語義匹配中首先要完成對輸入文本的表示學(xué)習(xí)工作,進而計算問題與答案間的語義相似度。本文首先分析了問答檢索問題的研究目的及意義,并對國內(nèi)外在問答檢索領(lǐng)域的研究現(xiàn)狀進行詳細(xì)闡述,包括... 

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
緒論
    一、選題意義
    二、國內(nèi)外研究現(xiàn)狀述評
    三、研究思路及創(chuàng)新點
    四、論文的組織結(jié)構(gòu)
第一章 問答檢索概述
    第一節(jié) 信息檢索系統(tǒng)
        一、信息檢索基本概念
        二、相關(guān)應(yīng)用
    第二節(jié) 問答檢索相關(guān)概述
        一、詞表示
        二、Learning to Rank(L2R)
    第三節(jié) 深度語義匹配模型
    第四節(jié) 生成對抗網(wǎng)絡(luò)應(yīng)用研究
        一、生成對抗網(wǎng)絡(luò)模型原理
        二、圖像領(lǐng)域應(yīng)用
        三、自然語言處理領(lǐng)域應(yīng)用
第二章 基于生成對抗網(wǎng)絡(luò)的問答檢索模型
    第一節(jié) 研究問題定義
    第二節(jié) QACNN模型
        一、QACNN模型說明
        二、QACNN模型結(jié)構(gòu)圖
    第三節(jié) QAGAN模型
        一、QAGAN模型說明
        二、QAGAN模型結(jié)構(gòu)圖
        三、目標(biāo)函數(shù)設(shè)置
        四、目標(biāo)函數(shù)優(yōu)化
第三章 實證結(jié)果與分析
    第一節(jié) 實驗設(shè)置
        一、數(shù)據(jù)選擇
        二、數(shù)據(jù)預(yù)處理
        三、實驗設(shè)置
    第二節(jié) 限定域?qū)嶒灲Y(jié)果分析
        一、InsuranceQA實驗結(jié)果
        二、InsuranceQA實驗結(jié)果分析
        三、UDC實驗結(jié)果
        四、UDC實驗結(jié)果分析
    第三節(jié) 限定域問答系統(tǒng)擴展實驗
        一、候選池數(shù)量對模型的影響分析
        二、訓(xùn)練集數(shù)量對模型的影響分析
        三、K值取值對模型的影響分析
        四、詞嵌入維度對模型的影響分析
總結(jié)及展望
    一、本文工作結(jié)論
    二、進一步的工作
參考文獻
在讀期間科研成果
    一、發(fā)表的學(xué)術(shù)論文
    二、參加的學(xué)術(shù)會議
致謝


【參考文獻】：
期刊論文
[1]融合雙重正則化機制的低秩矩陣分解推薦模型[J]. 郁雪,張昊男.  計算機應(yīng)用研究. 2020(04)
[2]基于文本價格融合模型的股票趨勢預(yù)測[J]. 余傳明,龔雨田,王峰,安璐.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2018(12)
[3]基于生成對抗網(wǎng)絡(luò)的圖像修復(fù)[J]. 孫全,曾曉勤.  計算機科學(xué). 2018(12)
[4]融合知識表示的知識庫問答系統(tǒng)[J]. 安波,韓先培,孫樂.  中國科學(xué):信息科學(xué). 2018(11)
[5]基于語義要素組合的知識庫問答方法[J]. 劉飛龍,郝文寧,余曉晗,陳剛,劉沖.  計算機工程. 2018(11)
[6]基于注意力機制的答案選擇方法研究[J]. 熊雪,劉秉權(quán),吳翔虎.  智能計算機與應(yīng)用. 2018(06)
[7]特定領(lǐng)域問答系統(tǒng)中基于語義檢索的非事實型問題研究[J]. 仇瑜,程力,Daniyal Alghazzawi.  北京大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[8]社會化問答研究綜述[J]. 李蕾,何大慶,章成志.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2018(07)
[9]基于行為-內(nèi)容融合模型的用戶畫像研究[J]. 余傳明,田鑫,郭亞靜,安璐.  圖書情報工作. 2018(13)
[10]基于粗糙集知識發(fā)現(xiàn)的開放領(lǐng)域中文問答檢索[J]. 韓朝,苗奪謙,任福繼,張紅云.  計算機研究與發(fā)展. 2018(05)

碩士論文
[1]語句相似度匹配在自動問答系統(tǒng)中的應(yīng)用與實現(xiàn)[D]. 劉佳雯.南京郵電大學(xué) 2018



本文編號：3706481