隨著互聯(lián)網(wǎng)數(shù)據(jù)的爆炸式增長,人們每天都能接觸到海量的信息。但是通過搜索引擎搜索信息的方式是低效的。自動問答系統(tǒng)允許用戶通過自然語言提問,直接向用戶返回準確的答案。這樣的信息獲取方式相較于搜索引擎,更加貼近人類的生活習(xí)慣。自動問答系統(tǒng)根據(jù)知識領(lǐng)域的不同可以分為面向開放領(lǐng)域的自動問答系統(tǒng)和面向特定領(lǐng)域的自動問答系統(tǒng)。面向開放領(lǐng)域的自動問答系統(tǒng)是沒有針對性的,已經(jīng)有很多大型的公司和科研機構(gòu)對其進行了研究。而面向特定領(lǐng)域的自動問答系統(tǒng)可以針對性地解答用戶在該領(lǐng)域的問題,更加具有研究意義和實用性。為了更好地服務(wù)在校師生的學(xué)習(xí)生活,本文對面向校園領(lǐng)域的自動問答系統(tǒng)進行了研究。校園領(lǐng)域的知識多以表格或者文本形式存在,而之前的校園領(lǐng)域問答研究大多將研究重點放在了文本形式知識上,而忽略了對表格知識的研究利用。本研究除了對文本知識以外,還對表格知識進行研究。對于不同形式的校園知識,系統(tǒng)自動查詢的方式不同,缺乏統(tǒng)一易用的查詢方式。本研究的主要目標是構(gòu)建校園領(lǐng)域知識庫,并實現(xiàn)基于該知識庫的自動問答系統(tǒng)。本文的研究內(nèi)容主要分為以下三個部分。(1)數(shù)據(jù)庫自然語言接口模型構(gòu)建:校園領(lǐng)域知識中的表格數(shù)據(jù)適合存儲在關(guān)系...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－２關(guān)系數(shù)據(jù)庫問句處理流程示意圖??本課題采用基于ＳＱＬ語法樹的網(wǎng)絡(luò)構(gòu)造數(shù)據(jù)庫自然語言接口，使得模型可??

?１?Ｂｕｉｌｄｉｎｇ?｜?Ｄａｙ＿ｏｆ一ｗｅｅｋ?｜?Ｌｅｓｓｏｎ?｜?Ｃｌａｓｓｒｏｏｍ?｜?Ｃｏｕｒｓｅ?｜??泔到間句對應(yīng)的ＳＱｌ＿ｉ詢：??ＳＥＬＥＣＴ?Ｃｌａｓｓｒｏｏｍ??ＦＲＯＭ?ｓｃｈｏｏｌ＿ｔｉｍｅｔａｂｌｅ??ＷＨＥＲＥ?Ｄａｙ＿ｏｆ＿ｗｅｅｋ?＝?‘Ｗｅｄ....

圖１－３知識庫問答流程示意圖??１．３．３面向校園領(lǐng)域的自動問答系統(tǒng)的設(shè)計與實現(xiàn)??

誤，本課題選擇將字作為序列標注的基本單位。??屬性映射問題可以轉(zhuǎn)化為文本相似度問題，采用Ｓｉａｍｅｓｅ網(wǎng)絡(luò)結(jié)構(gòu)計算文本相似??度可以有效減少網(wǎng)絡(luò)參數(shù)，使網(wǎng)絡(luò)快速收斂。??知識庫問答??＂Ｔ￣?｜?命名實體識別：??１４這妄卡在哪里可以充值？?＞??屬性映射：???１?充值點?警香....

圖２－１?ＲＮＮ模型結(jié)構(gòu)圖??ＬＳＴＭ為了避免梯度消失的問題，通過一些技巧對隱藏結(jié)構(gòu)進行改進，其模??

?第二章相關(guān)技術(shù)簡介???第二章相關(guān)技術(shù)簡介??２．１模型算法相關(guān)技術(shù)??２．１．１?ＬＳＴＭ??循環(huán)神經(jīng)網(wǎng)絡(luò)（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒｏｎ?Ｎｅｔｗｏｒｋ，?ＲＮＮ）是深度神經(jīng)網(wǎng)絡(luò)的一種，其??模型結(jié)構(gòu)如圖２－１所示。它能夠記憶當前時刻的歷史信息，并利用當前時刻歷史??信息....

圖２－２?ＬＳＴＭ模型結(jié)構(gòu)圖??ＬＳＴＭ的隱藏層包含三個門結(jié)構(gòu)，分別為輸入門、遺忘門和輸出門

?第二章相關(guān)技術(shù)簡介???第二章相關(guān)技術(shù)簡介??２．１模型算法相關(guān)技術(shù)??２．１．１?ＬＳＴＭ??循環(huán)神經(jīng)網(wǎng)絡(luò)（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒｏｎ?Ｎｅｔｗｏｒｋ，?ＲＮＮ）是深度神經(jīng)網(wǎng)絡(luò)的一種，其??模型結(jié)構(gòu)如圖２－１所示。它能夠記憶當前時刻的歷史信息，并利用當前時刻歷史??信息....

本文編號：3895044