基于关键词距离的中文问答系统研究

阐述的中文问答系统是以网络信息为支撑,结合传统问答系统的思想和网络信息资源的特点,采取切实有效的方法,来回答用户用自然语言形式提出的问题.系统的核心部分是依据关键词距离算法进行答案抽取,该算法是在总结大规模网络摘要及中文问句特点的基础上得出的,从最后实验结果看该系统效果显著,对测试问句集的MRR值达到了0.56.     

基于Web的受限领域问答系统研究及应用

自动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,它综合运用了自然语言处理技术,传统的问答系统的知识库一般是基于固定的文档集合,丰富的网络资源为问答系统提供了另外一种良好的知识来源,提出并构建了一个基于网络的天气预报领域的问答系统,通过缩小问题的覆盖面的方法,提高了系统的准确性。     

谓词逻辑在答疑系统中的应用

提出了一种新的答疑系统模型。该模型引入了谓词逻辑,在系统完成关键词匹配后,进行二次谓词匹配,最后把仅和问题语义相符的答案予以反馈。实验证明,这种方法较好地提高了系统的智能性和准确率。     

角色反演算法在问答系统中的应用

该文介绍了如何将角色反演算法的思想用在多信息源多语种问答系统中来构建句法分析器。常用的句法分析算法由于受到语法规模大小的限制,一般都不能有效地应用到实际的自然语言处理当中。角色反演算法思想是将Chart算法的高空间效率和广义LR算法的高时间效率有效地结合起来,从而大大提高了综合的分析效率。基于多信息源多语种的问答系统,拥有大规模语法(上万条语法规则),通过引入角色反演算法思想,可以分别在问句分析模块和答句生成模块中有效地完成问句和文本答案候选文档的句法分析。     

问答系统中复杂问题分解方法研究综述

问答系统可以针对用户提出的自然语言问题给出精准的答案,是自然语言处理领域中一个重要的研究方向。对于具有复杂语义结构和句法结构的多跳问题,模型需要强大的自然语言理解能力。问题分解作为问题理解的一种技术,有着不可估量的作用。阐述了问题分解的研究背景与意义;根据问题特征提取的方式,将现有的方法分为传统机器学习方法和深度学习方法两大类,传统机器学习方法以规则模板匹配和基于分割的方法为主,深度学习方法以基于Transformer、图神经网络、注意力机制、查询图和强化学习为主,并分别从模型架构、优势、劣势等方面进行分析。结合目前研究的动态,初步展望了未来的研究方向。     

受限领域问答系统的中文问句分析研究

对用户所提问句的理解是受限领域问答系统实现的关键,该文提出一种基于本体和问句句型模板规则的中文问句分析方法,研究如何使用问句语义表征来表示问句分析的结果,将该方法应用于某受限领域问答系统中。实验结果表明,使用该方法进行中文问句分析,准确率达90%以上,可以在实际的问答系统中使用该方法。     

问答系统中问句分类方法研究综述

问答系统作为信息检索的一种高阶形式,能够迅速、精准地为用户提供所需的信息服务,在给定一个问题后,会相应地给出准确的答案,这使得它在自然语言处理领域成为一个越发受人关注的研究方向。问句分类作为问答系统中的问题分析和处理的首要环节,是问答系统中尤为重要的一部分,其分类精度会直接影响到问答系统的性能。近些年来,机器学习和深度学习等技术的快速发展极大地促进了问句分类的研究和发展,其在问句分类上具有较强的可行性和优越性。为此就问句分类的国内外研究现状、问句分类标准体系、问句特征抽取、传统的机器学习分类方法和近来流行的深度学习分类方法进行总结和分析,阐述了问句分类当前所面临的一些研究难点,并对未来的研究和发展方向做了初步展望。     

基于网络的中文问答系统的研究

文章设计并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,提出了一种针对该系统的信息抽取算法,并采用一种基于语句相似度计算的答案抽取算法并且进行了改进。实验结果表明该系统对人名及时间类型的问题效果显著。对测试问题集的MRR值达到0.47。     

基于网络的智能答疑系统的研究

基于常见问题答案库的答疑系统的基本设计方案是以固定问题答案对作为答案材料,该方案所提供的用户服务有限,限制了系统的答疑能力。本系统采用的基于网络的智能答疑系统是把蕴涵丰富学科知识的学科文档库作为部分知识库,与常见问题答案库相结合,采用布尔模型和向量空间模型相结合的检索模型实现在文档库中自动检索答案的策略。该系统里的知识得到了丰富,解答问题的面也扩大了,增强了系统的答疑能力和实用性。     

智能答疑系统中基于聚类的问题分类研究

研究了智能答疑系统中的问题分类。针对基于章节目录的分类方式过于依赖特定教材的不足,提出了基于关键词聚类的问题模糊分类方法。此方法基于关键词的语义,采用NERF算法对关键词进行聚类。并利用聚类有效性的方法来弥补此算法过于依赖初始值的不足。最后通过实例进行分析,说明此分类方法的可行性和对基于章节目录的分类方式不足的弥补。     

问答系统研究综述

近年来,问答系统被大量广泛地研究。问答系统的目标是给定一个问题,能够得到简短、精确的答案。根据处理数据的不同,将问答系统分为三类:基于结构化数据的问答系统、基于自由文本的问答系统、基于问题答案对的问答系统。对这三大类系统的特点、面临的问题和相关的研究分别进行了叙述和总结。最后,讨论了问答系统未来可能的研究方向。     

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。     

多语言问答研究综述

多语言问答是自然语言处理领域的研究热点之一,其目的是给定不同语种的问题和文本,模型能够返回正确的答案。随着机器翻译技术的快速发展及多语言预训练技术在自然语言处理领域中的广泛应用,多语言问答也取得了较快的发展。文中首先系统地梳理了当前多语言问答方法的相关工作,并将多语言问答方法分为基于特征的方法、基于翻译的方法、基于预训练的方法和基于双重编码的方法,分别介绍了每类方法的使用和特点;然后系统地探讨了当前多语言问答任务的相关工作,将多语言问答任务分为基于文本的多语言问答任务和基于多模态的多语言问答任务,并分别给出每个多语言问答任务的基本定义;接着总结了这些任务中的数据集统计、评价指标,以及涉及的问答方法;最后展望了多语言问答的未来发展方向。     

AQUA: A Closed-Domain Question Answering System

This article describes AQUA, an experimental question answering system. AQUA combines Natural Language processing (NLP), Ontologies, Logic, and Information Retrieval technologies in a uniform framework. AQUA makes intensive use of an ontology in several parts of the question answering system. The ontology is used in the refinement of the initial query, the reasoning process and in the novel similarity algorithm. The similarity algorithm is a key feature of AQUA. It is used to find similarities between relations/concepts in the translated query and relations/concepts in the ontological structures. The similarities detected then allow the interchange of concepts or relations in a logic formula corresponding to the user query.     

基于语义计算的公交移动问答系统

为解决外来旅客公交问询困难的问题,本文利用模式匹配、编辑距离计算、语义计算、自动问答等技术,实现了基于自然语言问答的公交移动问答系统。本文在抽象公交节点的基础上引入站点概念词,对站点关键词进行扩展、消除问询歧义,把公交线路抽象成线路节点网络模型,引入查询日志记录快表辅助问答,借助手机短消息业务实现了双向向传输。实验结果表明,该系统达到了预期效果。     

网络教学平台下智能答疑系统的研究与设计

智能答疑系统是基于网络教学领域的自动问答系统,该系统服务于用户远程学习中的疑难问题解答,可有效提高网络教学的质量。     

社区问答系统中问题推荐机制

在社区问答系统中,每天大量涌现的问题导致用户很难寻找自己感兴趣并且擅长的问题进行回答。为了更好地解决这一问题,本文根据用户兴趣,将用户的活跃度指数融入推荐算法。实验结果显示,该方法在一定程度上提高了问题推荐的效率。      

面向协作式问答的问题理解技术研究

问题理解是问答系统中的重要组成部分,尤其对于协作式问答。在协作式问答中用户对所提出的问题进行了详细的说明和描述。如何利用这些描述信息来提高系统的性能,是一个很重要的问题。该文提出了一种基于词典和句法分析的方法,来对用户的问题进行分析,从中提取出有价值的关键词,以提高包含候选答案网页的召回率。通过实验对比分析,该方法的MPP值和MAP值都有了较大的提高。     

基于本体的航空领域问答系统

该文设计并实现了基于本体的航空领域问答系统,该问答系统采用面向领域本体的问题分类方法和结构化语义信息提取方法,将自然语言问题转换为SPARQL查询语句,在本体知识库中检索答案。实验结果表明,该系统能够处理该领域内的大部分常见问题,取得了82.97%的平均准确率。     

基于颜色Petri网的有偿交互QA系统投诉模型

有偿交互问答(QA)系统受到越来越多的关注,但是补偿的不公平性等问题可能会引起用户的投诉。通过分析有偿交互QA系统的投诉流程,首先利用颜色Petri网对投诉流程进行形式化建模;然后使用CPN Tools对所建立的形式化模型进行验证;最后对所建模型的状态空间报告进行分析,证明了系统各响应流程设计的正确性等特性。所提出的方法对有偿交互QA系统的综合形式化分析具有重要意义。