问答社区中基于问题粒度的用户专业性预测方法

在线问答社区中大量问题等待回答时间过长、高质量回答数极少,对社区用户在具体问题上的专业程度进行度量具有现实需求。现有的基于链接分析和基于文本分析等方法多集中在社区和话题粒度的专业性度量,并未深入到问题粒度。针对上述问题,定义了问答社区中基于问题粒度的用户专业性概念,在此基础上提出了基于问题粒度的用户专业性预测方法,包括用户专业性度量方法和用户专业性预测模型。该预测方法先利用问答社区中社区用户对回答质量的评价机制,在问题粒度上为用户建立专业性度量;再基于矩阵分解,融合用户偏差、问题偏差以及用户已回答问题集的隐含反馈等信息,构建用户在问题粒度上的专业性预测模型,进而预测用户在待回答问题上的专业程度。利用知乎问答社区互联网话题下的问答数据集,设计了与前述两种主流方法的对比实验。实验结果表明,提出的用户专业性度量方法可以有效地度量用户在具体问题上的专业程度,基于此方法构建的用户专业性预测模型具有更高的预测精度。     

领域问答系统生成器的研究

为解决受限领域问答系统的重复开发问题,提出问答系统生成器的设计思想.问答系统生成器主要由导入领域资料和模块化问答系统两部分组成.本系统在模块化问答系统部分引入了机构名,提高了领域问答系统分词模块的切分精度和答案的检索速度.实验证明,该系统有很好的应用价值.     

中文问答系统中问题理解的研究与实现

围绕中文问答系统中的问题理解技术,本文研究了如何进行词法分析、问题分类、关键词提取及扩展、句型分析和浅层语义分析,主要提出了基于启发的疑问词和疑问焦点相结合的问题分类方法、问句统一型的句型分析方法和基于语义角色标注的语义分析方法.在此基础上,在Visual C 6.0环境下开发了一个基于简单的事实类问题的中文问答系统原型.实验结果表明:本文提出的方法对改善中文问答系统的性能是有效的.     

问答系统中基于语义概念的问题答案形成方法研究

分析了问答系统的问题理解、信息检索、答案抽取三个主要组成部分,提出在问答系统中使用形式概念分析(FCA)法来实现答案抽取,并对仿真陈述型问题、列表型问题、定义型问题的概念格的匹配方法进行了研究,总结出概念的相似度计算公式是外延与内涵的和.通过实验分析证明,用该方法进行答案抽取的准确率为62.53%.     

限定领域的自动问答系统研究

目前,自然语言处理系统由于缺乏语义信息及知识理解和推理能力,因此存在很多缺陷,在自动问答领域中很难分清用户表达的真正意图,并给出用户满意的答案.本文就此给出基于句法语义的问句分析方法,采用本体构建技术构建答案库,在此基础上进行领域知识语义推理,实现智能问答.本研究以黄山旅游为限定领域建立问答系统,试验结果表明多策略的方法是有效的.     

受限领域智能问答系统的研究与实践

智能问答技术是自然语言处理领域中一个非常热门的研究方向,它综合运用了各种自然语言处理技术.本文主要研究智能问答系统的关键技术.首先,详细地介绍了自动问答系统的概念原理与主要组成部分.其次,对该系统的中文分词模块及其相关技术进行了比较深入的研究,选择最大匹配、逆向最大匹配和设立自然切分点相结合的算法;在歧义字段处理方面,提出了基于句子整体考虑的计算句子词频和的方法,能够在处理特定歧义问题方面有很好的改进和提高.再次,对特定领域的问题进行分类,便于系统根据问题类别进行答案匹配.最后.利用赋权值方法,完成答案的提取,以句子作为答案匹配的基本单位.基于上述理论与算法,实现了一个地理领域的智能问答系统.     

增强视觉特征的视觉问答任务研究

视觉问答是一种涉及计算机视觉和自然语言处理两大领域的学习任务。该任务融合视觉和语言的特征实现问答,是多模态研究的重要任务之一,已经成为人工智能领域的一个研究重点。通过对已有模型的分析,现有方法在进行图像特征表示时,仅仅只采用图像的网格特征、对象特征等整体视觉特征,而忽略了图像中对象本身以及不同对象之间的位置信息。提出在原有视觉特征的基础上,引入图像中每个对象的坐标信息,得到增强的视觉特征,使模型能够更加准确地学习图像中所蕴含的深层语义。在VQA-v2数据集上的对比实验证明,在图像特征中融入对象的坐标信息有效提高了本文模型的性能。     

面向大规模网络数据的社会化问答系统

为研究面向大规模网络数据的社会化问答系统(Social Question and Answer System,SocialQA).分别描述了问答系统的各个组成技术:1)问句预处理:问句分析和问句扩展.2)问句匹配.本文在1500万个网络问答数据集上,进行了问句匹配的实验.实验表明:在封闭测试中,问句匹配的准确率,达到了90%以上,在开放测试中,问句匹配的准确率达到了70%以上,很好地满足了系统的精度和实时性的要求.     

基于语义模板的问答系统研究

提出一个基于语义模板的用户交互问答系统,其中语义模板用于标识句子中各成分之间的语义关联关系.语义模板的使用有助于问题的分解和各成分间语义关联关系的研究,可提高分析精度,适宜于英文和中文问题的分析.在系统运行中,将问题和用户选择的正确答案对,存储在数据库中,通过积累知识构建知识库,实现问题自动回答.     

英文介词短语归并歧义的RMBL分类器消解

采用"规则 例外"分类器来解决英文介词短语的消歧问题.对于规律性知识,在学习和推理过程中以规则形式处理;对于不是规律性知识的,采用Memory-Based Learning的方式进行学习、分类和推理.在2套标准训练集和测试集环境下,不借助任何其它自然语言知识库,本文所采用"规则 例外"分类器所得到的正确率分别为80.85%和81.2%,取得了很好的效果.     

融合机器阅读理解的知识图谱问答系统设计与实现

智能问答系统是信息检索的一种新型检索模式。针对现有知识图谱问答系统存在的开放域知识覆盖不全而影响问答质量的问题,提出了一种融合机器阅读理解的知识图谱问答系统构建方法。首先采用Elasticsearch数据库来存储预处理之后的三元组数据,其次利用信息检索技术在知识图谱中对问题相关知识进行检索,并将检索结果拼接成一段自然语言描述,采用XLNet模型进行答案抽取匹配,最后在2019年度第二届中国"AI+"创新创业大赛-自然语言处理技术创新大赛的数据集上进行了实验,其F1值能够达到0.23的指标。实验证明,融合机器阅读理解模型的知识图谱系统在复杂的开放域中文问答任务具有更好的表现能力。     

基于多任务学习的知识库问答方法

针对知识库问答传统流水线方法中容易出现错误传递且不同子任务之间缺乏联系的问题,提出一种新的知识库问答系统方法,将多任务学习引入知识库问答系统,从而改进知识库问答系统效果。让多个子任务共享一个编码器,促使模型学习到更好的底层表达,提高了模型的泛化能力。在CCKS2022-CKBQA任务上的实验结果表明,所提方法取得了较好的效果。     

智能问答系统中问句相似度计算方法

以《现代操作系统》为例,在智能问答系统中,综合考虑问句的词和语义等多方面特征,并对编辑距离法进行改进,设计了一种新的组合式问句相似度计算方法。实验结果表明,该算法取得了良好的效果,可以有效地提高问答系统的性能。     

自动问答系统及其评测

自动问答系统是一个新兴的研究热点,它以自然语言的方式提出问题,采用自然语言处理技术,自动返给用户相关答案。本文概述了自动问答系统的常用技术和发展现状,介绍了主要的国际评测体系,并指出了将来的研究方向。     

联合分类与匹配的FAQ问答模型

文本分类或文本匹配是解决基于常见问题和解答（FAQ）问答的2个途径.单独使用分类方法不能有效利用标准问题本身的信息,而单独使用匹配方法时,负样本的选择很困难,为此,提出一类将文本分类和文本匹配方法相结合的模型,不仅能选择真正需要区分的负例,并且能够有效利用标准问题的信息.实验结果表明,提出的模型在多个FAQ问答数据上能达到最好性能.     

图书馆智能问答系统分析与设计

由于图书馆工作人员数量有限,不能做到实时的线上回复,设计开发了智能问答系统来解决这一问题。主要介绍了用户需求分析、用户端功能设计分析、管理端功能设计分析、数据库端设计分析及总体设计说明。该系统能够实时与用户进行交流,更快更准确地解决用户关于图书馆馆藏资源的问题。     

基于贝叶斯分类器的图像分类技术

分类的目的就是根据现有的图像特征建立一个分类器,能够对未知的图像类型进行预测.在现有众多分类算法中,贝叶斯分类器由于其坚实的数学理论基础并能综合先验信息和数据样本信息,成为当前机器学习和数据挖掘的研究热点之一.本文论述了内容图像检索中基于贝叶斯分类器的图像分类技术.介绍了贝叶斯分类器.叙述了利用贝叶斯分类器进行图像分类的方法,以及图像特征的分布假定.最后通过时分类器的探讨,总结了贝叶斯估计分类的不足.     

自动问答系统中问句分类研究综述

问句分类作为问答系统所要处理的第一步,在问答系统中起着至关重要的作用,其准确性直接影响最终抽取的答案的正确性。从问句分类的概念出发,先对问句分类体系、特征提取、问句分类方法等进行阐述,然后重点分析了用于问句分类的几个主流学习模型,并对几个模型作了比较分析,最后指出了当前问句分类的研究难点和未来的研究方向。     

基于对比学习的双分类器无监督域适配模型

针对深度域适配问题中冗余信息导致模型性能不佳的问题,提出基于对比学习的双分类器域适配模型.该模型基于双分类器对抗理论,首先,将输入数据增强2次以获得2个视角的特征,通过将不同视角的特征输入不同的分类器提高分类器的多样性;其次,将双分类器方法和对比学习思想结合,使模型能够捕获数据的高层语义表征,减少不同类特征的混淆程度;最后,通过设立标签分布对齐正则项引导边界样本正确分类.实验结果表明,双分类器间的对比损失能提取数据中的有效信息,从而提升模型性能.     

基于改进朴素贝叶斯的Android恶意应用检测技术

在对未知应用静态分析的基础上,提取AndroidManifest.xml中申请的权限为特征,采用信息增益算法优化选择分类特征,再采用拉普拉斯校准、乘数取自然对数改进的朴素贝叶斯算法创建恶意应用分类器.通过十折交叉试验验证改进的朴素贝叶斯分类器的准度和精度较高,且通过信息增益优化选择的分类特征在保障准确率的情况下能有效提高检测效率.与k最近邻和k-Means分类器相比,改进的朴素贝叶斯分类器具有较好的分类效果.