基于全文搜索的中文自动答疑系统设计实现

文章论述了一个中文自动答疑系统的设计实现方法,该系统使用ASP.NET3.5+C#语言开发,使用中文分词组件来理解拆分自然语言,并转化为关键字,再进一步使用SQLServer全文搜索技术进行全文查询得到相同或类似的问题-答案对。     

智能答疑系统的研究与设计

针对当前答疑系统存在的一些问题,提出了一种基于自然语言理解的实用智能答疑系统实现方案,分析与研究了该系统所涉及的关键技术,对中文分词词库作出了改进,设计关系词典开展了语义分析,采用改进的TF-IDF函数,提高了答疑系统的精确性和准确性。     

基于J2EE三层架构的远程答疑系统的研究与实现

远程答疑系统是现代远程教育系统中不可缺少的组成部分.构建了一种集人工答疑、智能答疑和联合答疑于一体的新型远程答疑系统.人工答疑同时实现基于在线聊天的同步答疑和基于BBS论坛的异步答疑;智能答疑建立在答疑知识库的基础上,采用基于字符串最大正向匹配的中文分词算法实现用户基于自然语言提问的自动答疑;联合答疑基于JMS技术,实现网校间的资源共享.系统的实现基于J2EE三层架构体系,在中间层采用先进的MVC设计模式思想,实现页面显示与业务逻辑的分离,有效提高系统的可维护性、可扩展性和可复用性.     

分布式自动答疑系统

作为远程教育中的重要组成部分,自动答疑系统允许用户以自然语言进行提问,并返回一个简洁、准确的答案。在HADOOP框架下,采用改进的编辑距离算法对汉语句子的相似度进行计算能够使自动答疑系统更加快捷以及智能化。     

基于领域知网的中文自动答疑系统的设计

针对传统中文自动答疑系统的不足,借鉴《知网》的思路,并在此基础上提出了一种基于领域知网的中文自动答疑系统CQASTH。为验证系统答疑的准确性,实现了一个实验系统CMHQAES。实验表明,CQASTH实现了语义理解和语义计算,提高了答疑的准确率。     

基于自然语言理解的在线答疑系统设计与实现

基于自然语言理解的相似度计算仍是计算机语言处理技术尚需深入研究的内容.通过在“知网”知识表示的基础上,综合考虑深度和密度两方面的影响因素,利用一种较为成熟的改进的多因素语义相似度处理算法,基于全文检索匹配技术,设计并实现了一个限定领域内的在线答疑系统.实例运行结果表明,系统可靠性较高,且答疑效果较为明显,达到了预期目标.     

一种实用智能答疑系统的设计与实现

根据远程学习方式的特点,在兼顾智能化程度与开发成本间的平衡的基础上,提出了一个基于自然语言提问的实用的智能答疑系统实现方案,并分析和研究了其中涉及的关键技术:根据专业词库和常用词库进行自动分词;设计关系词典开展语义分析;采用改进的TF-IDF函数;结合空间向量模型和布尔模型的搜索技术;采用数据挖掘等.     

实时聊天室用于学生远程智能答疑系统

介绍一个基于学科领域知识的实时聊天室,能够自动回答学生提问的智能答疑系统。学生可以采用自然语言方式对系统进行提问,系统自动按取词典、分词、搜索流程,找到问题的答案。提高了人机交互方式的友好性。     

中文文本自动校对技术研究及系统组成

对文本自动校对国内外发展现状进行描述,针对中文文本出现错误的状况进行分析,提出了查错,纠错的两类自动校对技术;基于语料统计的词的匹配技术和基于自然语言理解的理解技术,给出了中文文本自动校对系统的组成及关键技术。     

基于本体的智能答疑系统的研究与实现

自动答疑是现代远程教学系统中一个重要组成部分，然而目前的自动答疑系统大多以关键词匹配为基础，忽视了关键粤本身所含的语义信息、查询效率和结果不能满足用户的需要。提出了一个基于本体的智能答疑系统，利用本体中概念规范、语义关系明确的特点，将用户的问题查询请求进行语义上的扩展，增加了对语义信息的理解，有效地提高了查询的准确性。     

基于领域知识的问答对自动提取方法

问答系统旨在用准确、简洁的答案回答用户用自然语言提出的问题。以旅游信息服务为应用背景,提出了基于领域知识的问答对自动提取方法。考察了常见旅游问题,建立了领域知识,在此基础上,设计了用户问题模式匹配算法和答案提取算法,对于不能匹配模式的问题,采用句子相似度计算得到相关的答案。实验结果表明,提出的方法是可行的,实现了旅游问题的自动问答。     

基于Web的中文开放式问题回答系统

互联网正逐渐成为重要的信息资源，然而大多数搜索引擎不能处理自然语言提出的问题。基于互联网的中文问题回答系统由问题处理、信息检索、答案抽取和答案判断组成，利用命名实体识别、语义依存关系和案例规则模板实现答案抽取。实验表明：命名实体识别、语义依存关系和案例规则模板能有效地实现答案抽取，获得较高正确率。     

基于自动问答系统的信息检索技术研究进展

自动问答是根据用户以自然语言提出的问题给出一个明确的答案。近年来,自动问答越来越受到信息检索和自然语言处理的研究者的关注。典型的自动问答系统通常包含问题分析、文段检索和答案选择等部件。介绍了自动问答的最新研究进展和相关国际会议情况,着重阐述问题分类、查询扩展、文段检索和答案选择这四个热点技术的主要功能和常用方法,最后提出存在的一些问题和展望。     

浅层语义分析及SPARQL在问答系统中的应用

为了解决受限域问答系统中答案抽取的问题,提出了一种基于浅层语义分析的问答系统模型。该模型以自然语言为接口,利用医院信息本体,采用浅层语义分析技术,由语义块定义规则和语义块判定规则,首先生成问句向量,然后利用SPARQL查询技术,在本体中进行查询,从而得到答案。实验表明该方法可行,对自动问答系统的设计具有借鉴意义和深入研究的价值。     

基于网络的中文问答系统及信息抽取算法研究

问答系统(Question Answering System)能用准确、简洁的答案回答用户用自然语言提出的问题。目前多数问答系统利用大规模文本作为抽取答案的知识库,而网络上丰富的资源为问答系统提供了另外一种良好的知识来源,对于回答简短、基于事实的问题非常有效。本文对基于网络的问答系统研究现状作了简要的介绍,分析了网络信息的特点。我们提出了一种基于语句相似度计算的答案抽取方法,在此基础上实现了一个基于网络的中文问答系统。该系统只利用网络搜索引擎返回结果中的摘要部分作为答案抽取的资源,从而节省了下载、分析网络源文本的时间。实验结果表明该系统对人名、数量及时间类型的问题效果显著,对测试问题集的MRR值达到0.51。     

基于常见问题库的多搜索引擎自动问答系统

与传统的搜索引擎相比,自动问答系统支持自然语言提问,返回给用户一个简短而准确的答案,是自然语言处理领域的一个研究热点。文中介绍了一种基于常见问题库的多搜索引擎自动问答系统,它利用常见问题库和两大搜索引擎,快速准确地回答用户的问题,更加智能化地满足用户的检索需求。     

基于本体的智能答疑系统的研究与实现

答疑系统是现代远程教育不可缺少的一个组成部分.针对目前答疑系统在知识共享和问题求解精确性方面的不足,提出了一种基于本体的智能答疑系统模型.该模型对于学生输入的问句,利用浅层语义分析技术,首先生成问句向量,再利用SPARQL查询语言,在本体库中查找答案.分析与研究了该系统所涉及的关键技术,以计算机应用基础课程为例,构建课...     

基于文章和近答案句信息的问题生成模型

自动问题生成任务旨在给文章中的一段文本生成相应的自然语言的问句,该研究在问答系统和语音助手的对话系统中有重要作用,可以帮助它们启动对话和继续对话。目前的神经网络问题生成模型主要是将包含答案的句子或者整篇文章作为模型的输入,而这些方法存在语义表示不能很好地结合句子和文章信息的问题。因此该文提出多输入层次注意力序列到序列的问题生成网络,能更好地利用文章和答案上下文的两重信息。模型通过关注对答案更有价值的句子信息和全文更丰富的语义信息来生成高质量的问题。在公开数据集SQuAD上的问题生成对比实验表明,该方法在BLEU_4值上表现优越。通过训练好的问答系统来评估问题的可回答率,明显优于基准系统。     

汉语句子相似度计算在FAQ中的应用

通过对传统的汉语句子相似度模型进行改进,提出一种基于关键词加权的汉语句子相似度计算方法,在此基础上实现一个基于常问问题库的中文问答系统。该系统通过将用户输入的自然语言问句与常问问题库中的候选问题集进行相似度计算,自动返回最匹配的答案给用户,自动更新和维护常问问题库。实验结果表明该方法在问旬匹配上比传统方法具有更高的准确率。     

A logical representation of Arabic questions toward automatic passage extraction from the Web

With the expanding growth of Arabic electronic data on the web, extracting information, which is actually one of the major challenges of the question-answering, is essentially used for building corpus of documents. In fact, building a corpus is a research topic that is currently referred to among some other major themes of conferences, in natural language processing (NLP), such as, information retrieval (IR), question-answering (QA), automatic summary (AS), etc. Generally, a question-answering system provides various passages to answer the user questions. To make these passages truly informative, this system needs access to an underlying knowledge base; this requires the construction of a corpus. The aim of our research is to build an Arabic question-answering system. In addition, analyzing the question must be the first step. Next, it is essential to retrieve a passage from the web that can serve as an appropriate answer. In this paper, we propose a method to analysis the question and retrieve the passage answer in the Arabic language. For the question analysis, five factual question types are processed. Additionally, our purpose is to experiment with the generation of a logic representation from the declarative form of each question. Several studies, deal with the logic approaches in question-answering, are discussed in other languages than the Arabic language. This representation is very promising because it helps us later in the selection of a justifiable answer. The accuracy of questions that are correctly analyzed and translated into the logic form achieved 64%. And then, the results of passages of texts that are automatically generated achieved an 87% score for accuracy and a 98% score for c@1.