本文關(guān)鍵詞：智能健康知識問答系統(tǒng)的研究與實現(xiàn)

  更多相關(guān)文章： 問答系統(tǒng) 中文分詞 相似度 語義推理 AIML

【摘要】：隨著信息技術(shù)的發(fā)展,人們已習(xí)慣于從互聯(lián)網(wǎng)上獲取各類信息,這得益于搜索引擎技術(shù)的發(fā)展。然而,搜索引擎仍然有一些問題沒有解決。首先是用戶檢索時,相關(guān)信息返回太多且不精確,其次是檢索只能按關(guān)鍵字進(jìn)行匹配,實際上并不能精確表達(dá)人們的檢索需求。由于上述問題的存在,發(fā)展在信息檢索技術(shù)之上的問答系統(tǒng)應(yīng)運(yùn)而生。與國外問答系統(tǒng)相比,中文問答系統(tǒng)起步較晚,目前的中文問答系統(tǒng)仍然存在一些問題,例如：反應(yīng)速度慢、正確率低、推理能力差等。針對問答系統(tǒng)的這些問題,本文對健康領(lǐng)域的問答系統(tǒng)的若干關(guān)鍵技術(shù)問題進(jìn)行了研究,引用了一種多策略混合的問答系統(tǒng)模型。研究主要內(nèi)容如下：首先構(gòu)建健康領(lǐng)域的專業(yè)詞庫,AIML(人工智能標(biāo)記語言)知識庫、本體知識庫、問題庫等；其次在現(xiàn)有中文分詞的基礎(chǔ)上,進(jìn)行詞類標(biāo)注、同義詞替換、剪枝處理等；然后引入適用于健康領(lǐng)域的基于詞語權(quán)重的句子相似度計算算法和推薦度算法；最后改進(jìn)ALICE系統(tǒng)使其支持漢語,并且在其自身匹配推理的基礎(chǔ)上,擴(kuò)展語義推理接口。通過實驗與基于語句相似度的現(xiàn)有問答系統(tǒng)進(jìn)行對比,驗證本文問答系統(tǒng)的答疑性能。通過實驗結(jié)果可知,本文的問答系統(tǒng)在一定程度上提高了問答系統(tǒng)的推理能力、查全率和查準(zhǔn)率,從而推動了信息檢索和智能問答系統(tǒng)的研究和發(fā)展。
【關(guān)鍵詞】：問答系統(tǒng) 中文分詞 相似度 語義推理 AIML
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.1
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-15
• 1.1 背景和研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 本論文研究內(nèi)容13-14
• 1.4 論文組織結(jié)構(gòu)14-15
• 第2章 相關(guān)技術(shù)概述15-23
• 2.1 《知網(wǎng)》簡介15-17
• 2.1.1 《知網(wǎng)》的關(guān)系結(jié)構(gòu)15-16
• 2.1.2 《知網(wǎng)》的義原概念16-17
• 2.2 詞語相似度計算17-19
• 2.3 本體論19-21
• 2.3.1 本體的概念和描述語言19-20
• 2.3.2 健康領(lǐng)域本體的特點(diǎn)20-21
• 2.4 ALICE系統(tǒng)介紹21-22
• 2.5 本章小結(jié)22-23
• 第3章 中文分詞與問句處理23-35
• 3.1 常見的中文分詞23-24
• 3.1.1 基于字典匹配的分詞方法23
• 3.1.2 基于語義理解的分詞23-24
• 3.1.3 基于詞頻統(tǒng)計的分詞24
• 3.2 分詞對比實驗24-28
• 3.2.1 分詞注意難點(diǎn)24-26
• 3.2.2 分詞器對比26-27
• 3.2.3 健康領(lǐng)域分詞實驗27-28
• 3.3 健康領(lǐng)域詞典的構(gòu)建28-32
• 3.3.1 健康領(lǐng)域字典的數(shù)據(jù)來源28-29
• 3.3.2 領(lǐng)域詞典的構(gòu)建29-32
• 3.3.3 構(gòu)建詞典后分詞實驗32
• 3.4 詞類標(biāo)注32-34
• 3.4.1 健康領(lǐng)域的詞類標(biāo)注33
• 3.4.2 詞類標(biāo)注過程33-34
• 3.5 本章小結(jié)34-35
• 第4章 問句相似度和推薦度的算法研究35-47
• 4.1 問句相似度概述35-36
• 4.1.1 問句相似度計算特點(diǎn)35
• 4.1.2 漢語句子相似度計算的難點(diǎn)35-36
• 4.1.3 問句相似計算的意義36
• 4.2 改進(jìn)的問句相似度算法36-39
• 4.2.1 影響問題相似度的因素36-37
• 4.2.2 基于概念詞的問句相似度算法37-38
• 4.2.3 基于問句長度的相似度算法38
• 4.2.4 改進(jìn)的問句相似度計算算法38-39
• 4.3 健康領(lǐng)域的問題相關(guān)推薦度的算法39-41
• 4.3.1 影響問題推薦度的因素39
• 4.3.2 問題推薦度計算39-41
• 4.4 實驗設(shè)計與結(jié)果分析41-46
• 4.4.1 問題相似度算法實驗41-42
• 4.4.2 問題相似度對比實驗42-44
• 4.4.3 問題推薦度算法實驗44-45
• 4.4.4 問題推薦度對比實驗45-46
• 4.5 本章小結(jié)46-47
• 第5章 ALICE擴(kuò)展47-61
• 5.1 人工智能語言AIML47-50
• 5.1.1 AIML知識庫47-48
• 5.1.2 ALICE的內(nèi)部推理機(jī)制48-49
• 5.1.3 AIML的優(yōu)缺點(diǎn)49-50
• 5.2 AIML漢語擴(kuò)展50-54
• 5.2.1 分詞處理51-52
• 5.2.2 同義詞處理52-53
• 5.2.3 句式變換53
• 5.2.4 AIML知識庫構(gòu)建53-54
• 5.3 AIML語義接口擴(kuò)展54-55
• 5.3.1 AIML擴(kuò)展模板54-55
• 5.3.2 AIML擴(kuò)展實例55
• 5.4 ALICE語義推理擴(kuò)展55-60
• 5.4.1 Jena及其結(jié)構(gòu)55-56
• 5.4.2 Jena推理機(jī)56-59
• 5.4.3 語義推理實驗59-60
• 5.5 本章小結(jié)60-61
• 第6章 智能問答系統(tǒng)的實現(xiàn)61-75
• 6.1 系統(tǒng)的總體結(jié)構(gòu)61-66
• 6.1.1 多策略混合模型61-63
• 6.1.2 系統(tǒng)的總體架構(gòu)63-64
• 6.1.3 系統(tǒng)流程圖64-66
• 6.2 系統(tǒng)的實現(xiàn)66-72
• 6.2.1 系統(tǒng)庫的構(gòu)建66-67
• 6.2.2 問題列表的建立67-68
• 6.2.3 用戶應(yīng)用層的功能68-69
• 6.2.4 系統(tǒng)界面展示69-72
• 6.3 實驗結(jié)果與分析72-74
• 6.3.1 系統(tǒng)性能測試72-74
• 6.3.2 系統(tǒng)問題抽取能力測試74
• 6.4 本章小結(jié)74-75
• 第7章 總結(jié)與展望75-77
• 7.1 論文總結(jié)75
• 7.2 下一步研究方向75-76
• 7.3 本章小結(jié)76-77
• 參考文獻(xiàn)77-81
• 攻讀學(xué)位期間發(fā)表的論著81-83
• 致謝83

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 毛先領(lǐng);李曉明;;問答系統(tǒng)研究綜述[J];計算機(jī)科學(xué)與探索;2012年03期

2 莫麗萍,王樹西,姜吉發(fā),雷雨霞;問答系統(tǒng)和淺層結(jié)構(gòu)模式推理[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2004年01期

3 盧志堅,張冬茉;中文問答系統(tǒng)中的問句理解[J];計算機(jī)工程;2004年18期

4 王樹西;問答系統(tǒng):核心技術(shù)、發(fā)展趨勢[J];計算機(jī)工程與應(yīng)用;2005年18期

5 林曉慶;;問答系統(tǒng)中基于列表類問題的研究[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年07期

6 張積賓;徐志明;王恒;潘啟樹;;面向大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)的社會化問答系統(tǒng)[J];哈爾濱工業(yè)大學(xué)學(xué)報;2008年12期

7 賈君枝;毛海飛;;漢語框架網(wǎng)絡(luò)問答系統(tǒng)問句處理研究[J];圖書情報工作;2008年10期

8 胡小華;劉軒;劉丹;陸偉;;基于冗余的仿真問答系統(tǒng)的輕量級局部文本分析[J];圖書情報知識;2009年01期

9 張中峰;李秋丹;;社區(qū)問答系統(tǒng)研究綜述[J];計算機(jī)科學(xué);2010年11期

10 陳玉;;基于“為什么”問句的中文問答系統(tǒng)研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2010年11期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 何靖;陳，

本文編號：1123723