基于深度学习的智能问答系统综述

在科技发达和信息爆炸的时代,如何从海量数据中准确地提取所需信息已成为人们研究的目标.问答系统作为解决此问题的重要途径之一,其主要通过对已有数据信息进行检索和分析,并最终返回问题答案或其他相关信息.近年来,深度学习的革命性发展给问答系统带来了长足的进步,序列到序列的模型,端到端的模型以及最近流行的预训练,都给问答系统留下无限的发展空间,但其仍面临许多挑战.本文首先对问答系统的发展进行简要介绍,接着将问答系统按照3个不同角度进行分类,并对相关数据集、评测指标和各类问答系统的主流技术进行阐述,最后对问答系统面临的问题和未来的发展趋势进行讨论.     

基于深度哈希学习的知识库问答检索框架

知识库问答通常包含3个子任务：中心实体识别、实体链接和关系检测。鉴于当前知识库中通常包含数量巨大的实体和关系,为了进一步解决基于复杂规则和倒排索引在知识库中进行检索带来的搜索空间局限性、召回率偏低和难以兼顾语义信息等问题,提出了一种构造知识库问答检索框架的新方法。该框架包含文本召回和哈希召回两个主要模块,通过二次召回设计构成传统文本检索与保留语义信息的哈希码检索的级联检索模式。所提方法在大规模知识库问答测评基准KgCLUE和NLPCC2016提供的数据集上进行实验,结果表明：基于深度哈希学习的知识库问答检索框架可以高效地获取高质量的候选项,在适应大规模知识库的同时能够节省一定的时间开销。     

具有自主学习与记忆功能的智能政务问答系统研究

任务型问答系统一旦构建好,通常是固定不变的,能回答的问题非常有限,难以满足用户的需求。对此,提出一种自动实时更新知识库的方法,当用户提了一个问答系统回答不了的问题,系统会把该问题自动发送给人工客服,人工客服利用专业知识回复后,系统能够自动实时获取用户提的问题和人工客服回复的答案,并把这个问答对自动实时更新到知识库,之后如果其他用户提了类似的问题,问答系统就能够快速给出对应的答案。以政务领域的问答系统为例,应用文本向量化方法 ERNIE构建知识库自动实时更新的问答系统。经过计算机实验证明,提出的方法能够实现知识库自动实时更新,构建的问答系统具有自主学习与记忆功能,提高了任务型问答系统的智能化水平。     

高校智能问答系统的构建与应用

智能问答系统是自然语言处理研究中经典的任务之一。高校中智能问答系统的建设是至关重要且极具挑战的任务。本研究围绕智能问答系统在高校中的应用,提出了基于深度学习的智能问答平台架构,并总结了各高校中问答系统的模型框架和研究进展,为智能问答系统在高校校园的落地提供了研究基础。     

基于表示学习的知识库问答研究进展与展望

面向知识库的问答(Question answering over knowledge base, KBQA)是问答系统的重要组成. 近些年, 随着以深度学习为代表的表示学习技术在多个领域的成功应用, 许多研究者开始着手研究基于表示学习的知识库问答技术. 其基本假设是把知识库问答看做是一个语义匹配的过程. 通过表示学习知识库以及用户问题的语义表示, 将知识库中的实体、关系以及问句文本转换为一个低维语义空间中的数值向量, 在此基础上, 利用数值计算, 直接匹配与用户问句语义最相似的答案. 从目前的结果看, 基于表示学习的知识库问答系统在性能上已经超过传统知识库问答方法. 本文将对现有基于表示学习的知识库问答的研究进展进行综述, 包括知识库表示学习和问句(文本)表示学习的代表性工作, 同时对于其中存在难点以及仍存在的研究问题进行分析和讨论.     

知识库问答系统研究进展

近年来,涌现了很多高质量大规模的知识库,基于知识库的问答系统(Knowledge Base Question Answering,KBQA)随着知识库的发展而得到了快速发展.知识库问答系统通过对自然语言问句进行理解和解析,进而利用知识库中的事实来回答自然语言问题,使用户在不了解知识库数据结构的情况下快速、精准的得到有价...     

面向医疗设备的深度问答系统的设计

提出辅助医疗设备维修保养的深度问答系统的设计方案。为医院设备工程师提供智能化的设备信息咨询平台,提供日趋复杂而广泛的设备知识服务,增加医院设备的效益。系统包括算法模块和应用模块,算法模块通过深度学习卷积神经网络实现。通过设计实验进行答案搜索任务测试,在问题相似度前三的反馈信息里面,包含搜索目标的准确率达65%,证明算法可搜索到有效信息。将算法模型嵌入到Web应用中,进一步实现问答的功能。     

融合事实文本的知识库问答方法

在自然语言问题中,由于知识库中关系表达的多样化,通过表示学习匹配知识库问答的答案仍是一项艰巨任务.为了弥补上述不足,文中提出融合事实文本的知识库问答方法,将知识库中的实体、实体类型和关系转换为事实文本,并使用双向Transformer编码器(BERT)进行表示,利用BERT丰富的语义模式得到问题和答案在低维语义空间中的...     

基于表格的自动问答研究与展望

伴随自然语言处理快速发展,自动问答系统(Question&Answer,QA)受到研究者的广泛关注.基于表格的自动问答(Table QA)实质是在给定自然语言形式的问题文本条件下,利用表格知识库信息进行查询推理得到答案的过程.从语义解析方法角度分析了基于表格知识库的问答模型、算法特点及其相关问题,同时结合人工智能技术的...     

基于领域本体智能答疑系统的设计

答疑系统是远程教育系统的重要组成部分,针对传统答疑系统功能相对简单而且无法得到理想的答案等特点,提出一种基于领域本体智能答疑系统的设计。文章首先提出智能答疑系统的模型,并进行领域本体和问句语料库的构建研究,同时利用分词处理和关键词扩展技术进行问句查询的扩展,最后通过语句相似度的匹配方法,提升系统查询的准确率。     

基于XML智能答疑系统的知识库构建

随着网络的普及，以及社会发展的需要，智能答疑系统成为研究的热点之一。文章首先介绍了智能答疑系统的应用背景，然后分析了XML的特点及优势，最后给出了利用XML存储知识库的方法，并结合实例给予说明。结果表明，基于XML构建知识库是可行和有效的。     

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。     

基于XML智能答疑系统的知识库构建

随着网络的普及,以及社会发展的需要,智能答疑系统成为研究的热点之一.文章首先介绍了智能答疑系统的应用背景,然后分析了XML的特点及优势,最后给出了利用XML存储知识库的方法,并结合实例给予说明.结果表明,基于XML构建知识库是可行和有效的.     

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.     

基于潜在语义分析的智能答疑系统研究与实现

文中研究的是基于常问问题库(FAQ库)的智能答疑系统.FAQ库是很多智能答疑系统中的一个重要组成部分.它把用户常问的问题和相关答案保存起来,对于用户输入的问题,可以首先在FAQ库中查找答案.如果能够找到相似的问题,就可以直接将问题所对应的答案返回给用户.为解决智能答疑系统因词的同义或多义现象而导致的"漏答"或"错答",采用一种基于加权潜在语义分析模型的相似度计算方法.针对特定教育领域的智能答疑系统,改进了反映词与词之间相关性的权值计算.通过对特定课程中常问问题的实验,结果显示明显优于向量空间模型.     

基于深度学习的交互式问答研究综述

相比传统的一问一答,交互式问答增加了对话上下文和背景等信息,这为理解用户输入和推理答案带来了新的挑战.首先,用户输入不再局限于问题,还可以是告知问题细节、反馈答案可行与否等带有意图的语句,因此需要理解对话中每个语句的意图.其次,交互式问答允许多个角色同时参与一个问题的讨论,为每个角色生成个性化的答案,因此需要理解对话中存在的角色.再次,当交互式问答围绕一段背景文本展开时,需要理解这段背景文本,并从中抽取出问题的答案.文章对交互式问答的发展及前沿动态进行了调研,分别对无背景交互式问答、有背景交互式问答以及迁移学习在交互式问答的应用3个子方向的新方法和新发现进行了介绍,并对交互式问答的研究前景进行了分析和展望.     

基于潜在语义分析的智能答疑系统研究与实现

文中研究的是基于常问问题库（FAQ库）的智能答疑系统。FAQ库是很多智能答疑系统中的一个重要组成部分,它把用户常问的问题和相关答案保存起来,对于用户输入的问题,可以首先在FAQ库中查找答案。如果能够找到相似的问题,就可以直接将问题所对应的答案返回给用户。为解决智能答疑系统因词的同义或多义现象而导致的“漏答”或“错答”,采用一种基于加权潜在语义分析模型的相似度计算方法。针对特定教育领域的智能答疑系统．改进了反映词与词之间相关性的权值计算。通过对特定课程中常问问题的实验,结果显示明显优于向量空间模型。     

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。