目前,在高校招生咨詢工作中,隨著咨詢?nèi)藬?shù)的增多以及各部門業(yè)務(wù)處理流程的各盡不同,在一定程度上造成工作量繁重、管理壓力劇增。那么,如何為廣大學(xué)生及時(shí)提供專業(yè)性、可靠性、實(shí)時(shí)性的幫助,這是招生場(chǎng)景中亟需解決的問(wèn)題。因此,本文以高校招生為應(yīng)用場(chǎng)景,構(gòu)建一款初具智能化的招生問(wèn)答服務(wù)系統(tǒng),該系統(tǒng)將輔助工作人員為學(xué)生答疑解惑,這不僅能提高工作效率與滿意度,而且對(duì)于醫(yī)療咨詢、銀行業(yè)務(wù)等類似需求場(chǎng)景同樣具有積極的借鑒意義。本文的研究目標(biāo)是構(gòu)建一款面向高校招生限定領(lǐng)域的智能問(wèn)答系統(tǒng),該系統(tǒng)由問(wèn)句理解模塊、問(wèn)句檢索模塊和答案生成模塊組成,涉及的關(guān)鍵研究?jī)?nèi)容包含文本預(yù)處理、文本向量化、文本分類計(jì)算、文本相似度計(jì)算、文本交互匹配計(jì)算。對(duì)于該系統(tǒng)而言,如何提高系統(tǒng)問(wèn)句理解模塊歸屬查詢語(yǔ)句類別的能力;如何提高系統(tǒng)問(wèn)句檢索模塊度量語(yǔ)義等價(jià)的能力;如何提高答案生成模塊中查詢語(yǔ)句與候選答案集的文本交互匹配,這些是本文的研究重點(diǎn)。因此,本論文的主要研究工作及成果為,構(gòu)建了一種基于詞性特征的CNN_BiGRU問(wèn)題分類模型;構(gòu)建了一種基于注意力k-max池化BiLSTM網(wǎng)絡(luò)的問(wèn)句相似度模型;構(gòu)建了一種基于...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.6GRU單元tx

重慶理工大學(xué)碩士學(xué)位論文12圖2.5LSTM單元2.4.3門控循環(huán)單元LSTM單元的門機(jī)制能高效的學(xué)習(xí)序列化語(yǔ)言潛含的語(yǔ)義信息，然而，LSTM自身結(jié)構(gòu)相當(dāng)復(fù)雜造成計(jì)算代價(jià)較高，隨后，研究者對(duì)LSTM單元的門控組件改進(jìn)得到門控循環(huán)單元GRU[29]。GRU單元結(jié)構(gòu)如圖2.6所示，G....

圖4.1問(wèn)句檢

4.基于注意力k-max池化BiLSTM網(wǎng)絡(luò)的問(wèn)句相似度算法244基于注意力k-max池化BiLSTM網(wǎng)絡(luò)的問(wèn)句相似度算法第三章中，應(yīng)用于系統(tǒng)問(wèn)句理解模塊的問(wèn)題分類算法準(zhǔn)確的將用戶問(wèn)題歸屬至領(lǐng)域問(wèn)答庫(kù)的某一類別中，本章根據(jù)問(wèn)句理解模塊得到的查詢表示進(jìn)而為其設(shè)計(jì)了對(duì)應(yīng)的問(wèn)句檢索模塊....

圖5.1答案生

5.基于attention_BiGRU交互匹配的答案置信度算法335基于attention_BiGRU交互匹配的答案置信度算法根據(jù)第四章系統(tǒng)中問(wèn)句檢索模塊檢索用戶問(wèn)題而生成的候選答案集，本文在系統(tǒng)中據(jù)此設(shè)計(jì)了對(duì)應(yīng)的答案生成模塊，該模塊負(fù)責(zé)從候選答案集中為用戶返回最佳的候選答案。答....

圖5.1答案生

5.基于attention_BiGRU交互匹配的答案置信度算法335基于attention_BiGRU交互匹配的答案置信度算法根據(jù)第四章系統(tǒng)中問(wèn)句檢索模塊檢索用戶問(wèn)題而生成的候選答案集，本文在系統(tǒng)中據(jù)此設(shè)計(jì)了對(duì)應(yīng)的答案生成模塊，該模塊負(fù)責(zé)從候選答案集中為用戶返回最佳的候選答案。答....

本文編號(hào)：3950395