發(fā)布時間：2020-10-23 15:58

　　 問答系統(tǒng)在自然語言處理領(lǐng)域得到的了廣泛的研究,并被應(yīng)用到很多特定的領(lǐng)域,如客戶服務(wù)和金融信息服務(wù)等。開放知識圖譜中基于知識的實(shí)體和關(guān)系持續(xù)增長,為基于知識圖譜的問答系統(tǒng)提供了更完備的信息基礎(chǔ)。但開放領(lǐng)域知識圖譜對于特定領(lǐng)域的問答查詢有一定的局限性,缺乏特定領(lǐng)域的相關(guān)知識信息。同時,用戶查詢多采用自然語言描述的問題,與知識圖譜中存儲的數(shù)據(jù)結(jié)構(gòu)之間存在差異�；谏疃葘W(xué)習(xí)的面向醫(yī)藥領(lǐng)域知識圖譜問答系統(tǒng)構(gòu)建,致力于醫(yī)藥領(lǐng)域知識圖譜和基于該圖譜問答系統(tǒng)的構(gòu)建工作。該系統(tǒng)首先,利用爬蟲相關(guān)技術(shù),抓取醫(yī)療網(wǎng)站原始數(shù)據(jù),并通過數(shù)據(jù)處理和清洗轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)存儲,通過對數(shù)據(jù)的分析,定義醫(yī)藥知識圖譜中的實(shí)體、關(guān)系和屬性,構(gòu)建醫(yī)藥知識圖譜。然后利用Word2Vec網(wǎng)絡(luò)訓(xùn)練詞向量并結(jié)合TextCNN問題分類算法,構(gòu)建高精度的問題分類模塊。為提高準(zhǔn)確性,系統(tǒng)引入基于雙向長短時記憶網(wǎng)絡(luò)的啟發(fā)式擴(kuò)展實(shí)體檢測和基于相似矩陣匹配的ARSMCNN關(guān)系檢測算法,構(gòu)建問答模塊,并在基準(zhǔn)數(shù)據(jù)集上針對該模塊進(jìn)行對比實(shí)驗(yàn),驗(yàn)證問答效果。最后,在構(gòu)建的醫(yī)療知識圖譜上,將基于模板匹配方式和基于深度學(xué)習(xí)方式構(gòu)建的問答系統(tǒng),進(jìn)行問答比較,驗(yàn)證效果。本文利用Flask輕量級開發(fā)框架,將問答系統(tǒng)中數(shù)據(jù)收集、數(shù)據(jù)處理和存儲、知識圖譜構(gòu)建、問答查詢等各模塊整合起來,提供問答頁面方便用戶對醫(yī)藥或疾病等信息進(jìn)行問答,提供疾病數(shù)據(jù)查詢和展示頁面展示疾病的關(guān)聯(lián)信息,同時用戶可以對特定疾病進(jìn)行查詢,提供知識圖譜查詢和管理頁面方便對知識圖譜的知識的管理。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R-05;TP391.3;TP18
【部分圖文】：

圖 2.2 系統(tǒng)開發(fā)框架圖前端系統(tǒng)首頁、問答界面、數(shù)據(jù)查詢與顯示界面，采用 ¨ a | ¤t 語言寫，實(shí)現(xiàn)用戶問答和后臺服務(wù)的數(shù)據(jù)交互。服務(wù)端的控制層、業(yè)務(wù)邏輯層和數(shù)據(jù)訪層采用 Python 語言編寫，完成前端數(shù)據(jù)的獲取和處理 請求。并將本文問答模塊實(shí)現(xiàn)的 ¨ 問題分類算法、啟發(fā)式 實(shí)體檢測算法和基于相似矩陣的 關(guān)系檢測算法整合到系統(tǒng)中，完善系統(tǒng)功能。數(shù)據(jù)持久層，采用非關(guān)系型圖數(shù)據(jù)庫 ￡ 來存儲醫(yī)藥知識圖譜中的實(shí)體、關(guān)和屬性，由于 ￡ 非關(guān)系型圖數(shù)據(jù)庫查詢語句接近于 SQL 語句，且通過比較¤- ￠包提供的查詢接口和使用原始語句的查詢的效率，原始語句表現(xiàn)更加優(yōu)異故本系統(tǒng)持久層中，采用編寫 -¤ |查詢模板的方式來實(shí)現(xiàn)對數(shù)據(jù)庫的高效查詢。2.2 功能模塊設(shè)計(jì)與實(shí)現(xiàn)構(gòu)建知識圖譜的一般的流程為，分析所需要構(gòu)建知識圖譜所面向領(lǐng)域，對于開

CBOW模型示意圖

Skip-Gram模型示意圖
【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 杜亞軍;吳越;;微博知識圖譜構(gòu)建方法研究[J];西華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

本文編號：2853235