在復(fù)雜產(chǎn)品制造企業(yè)例如汽車企業(yè)中,知識服務(wù)是企業(yè)的核心競爭力之一。而自動問答系統(tǒng)(Question and Answering)是非常適合企業(yè)的一種知識服務(wù)技術(shù)。問答系統(tǒng)能夠直接解析自然語言問句,并返回簡練的答案,提高了用戶信息獲取效率。針對問答系統(tǒng)的整體復(fù)雜性和汽車行業(yè)的特殊性,研究了面向汽車制造企業(yè)的問答系統(tǒng)架構(gòu)設(shè)計(jì),并針對問答系統(tǒng)流程中關(guān)鍵技術(shù)給出對應(yīng)改進(jìn)算法。首先,本文對汽車行業(yè)用戶服務(wù)進(jìn)行需求分析,設(shè)計(jì)了基于社區(qū)問答文本的汽車問答系統(tǒng)框架,使得問答系統(tǒng)更加切合汽車領(lǐng)域用戶的需求,并有助于汽車企業(yè)對用戶關(guān)注的熱點(diǎn)問題進(jìn)行主動獲取;其次,針對基于汽車社區(qū)問答文本所面臨的用戶問題紛繁復(fù)雜、口語化嚴(yán)重的情況,提出了基于深度學(xué)習(xí)的汽車問題文本分類改進(jìn)算法,研究了深度學(xué)習(xí)模型和注意力機(jī)制在文本分類任務(wù)中的應(yīng)用;最后,研究了汽車問答文本聯(lián)合建模答案選擇算法,為問答系統(tǒng)的答案抽取及答案排序提供理論支持。為說明兩個(gè)改進(jìn)算法對問答系統(tǒng)性能的提升有效性,分別采用對比試驗(yàn)進(jìn)行驗(yàn)證分析,實(shí)驗(yàn)證明算法達(dá)到了預(yù)期的研究效果。

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外主要研究現(xiàn)狀
        1.2.1 問題分類研究現(xiàn)狀
        1.2.2 答案選擇研究現(xiàn)狀
    1.3 本文主要工作
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)理論與關(guān)鍵技術(shù)
    2.1 深度學(xué)習(xí)模型
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.2 長短時(shí)記憶模型
        2.1.3 注意力模型
    2.2 語言模型與文本表示
        2.2.1 語言模型
        2.2.2 詞嵌入模型
        2.2.3 Word2Vec
    2.3 本章小結(jié)
第三章 基于社區(qū)問答文本的汽車知識問答系統(tǒng)框架構(gòu)建
    3.1 汽車知識問答系統(tǒng)框架總體設(shè)計(jì)
        3.1.1 交互層
        3.1.2 任務(wù)層
        3.1.3 方法層
    3.2 汽車社區(qū)問答文本構(gòu)建
        3.2.1 社區(qū)問答文本抓取
        3.2.2 問答對數(shù)據(jù)抽取
        3.2.3 社區(qū)問答文本數(shù)據(jù)標(biāo)注
    3.3 汽車知識問答系統(tǒng)關(guān)鍵任務(wù)
        3.3.1 汽車問答文本問題分析與擴(kuò)展
        3.3.2 問題答案對篩選與排序
    3.4 本章小結(jié)
第四章 汽車問答文本分類模型
    4.1 基于深度學(xué)習(xí)的問題分類數(shù)據(jù)準(zhǔn)備
        4.1.1 問題分類體系
        4.1.2 汽車問題文本預(yù)處理與標(biāo)注
    4.2 基于疑問詞注意力機(jī)制的問題分類模型
        4.2.1 深度學(xué)習(xí)對問題分類的影響
        4.2.2 疑問詞注意力機(jī)制
        4.2.3 基于MAC-LSTM的分類模型
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)集與評價(jià)標(biāo)準(zhǔn)
        4.3.2 實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第五章 汽車問答文本答案選擇模型
    5.1 基于深度學(xué)習(xí)的問題答案句子對建模
        5.1.1 汽車社區(qū)問答對數(shù)據(jù)準(zhǔn)備
        5.1.2 基于卷積神經(jīng)網(wǎng)絡(luò)問題答案聯(lián)合建模
        5.1.3 基于長短時(shí)記憶模型問題答案聯(lián)合建模
    5.2 融合句內(nèi)注意力機(jī)制的長短時(shí)記憶網(wǎng)絡(luò)答案選擇模型
        5.2.1 基于深度學(xué)習(xí)的答案抽取
        5.2.2 問題答案聯(lián)合建模與問答協(xié)同注意力機(jī)制
        5.2.3 融合注意力機(jī)制的長短時(shí)記憶網(wǎng)絡(luò)答案選擇模型
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 數(shù)據(jù)集與評價(jià)標(biāo)準(zhǔn)
        5.3.2 實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況



本文編號：3797504