相似度计算在智能答疑系统中的研究及应用

随着远程教育的不断发展,智能答疑系统成为现代教育的一个必要组成部分,它是人工智能、信息检索和自然语言处理等技术的结合,无论是基于知识库还是基于自由文本的答疑系统其智能性和准确率都受到语句相似度计算这一关键技术的影响。为了提高智能答疑系统的准确率和智能性,采用了基于权重的语句特征向量模型。实验表明基于权重的语句相似度计算方法有较高的准确率,从而使得智能答疑系统的效率得到了一定的提高。     

智能答疑中问题相关度算法研究及系统实现

针对现有答疑系统缺乏智能性和人机交互不够友好的不足,提出了一个智能答疑系统实现方案。为提高系统中问题与答案的匹配准确程度,着重对问题相关度算法进行了研究,在自动分词后用关键词集合相似度来计算问题的相关度,通过有监督的机器学习BP模型建立一个适合智能答疑系统的学习模型来优化分词权值。实验证明,这种算法可以帮助智能答疑系统提高准确性和智能性,具有一定的实用价值。     

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。     

基于多特征融合的智能客服模型

智能客服利用人工智能技术准确回答用户的咨询问题, 良好的句子相似度算法可以提高智能客服中问答的准确度.本文针对金融证券领域客服, 提出了基于多特征融合的句子相似度算法模型, 提高了客服的智能性. 通过矩阵拼接的方式, 融合用户提问语句和知识库语句的词形特征和语义特征, 其中词形特征考虑N-gram相似度、编辑距离、Jaccard相似度三种词形信息, 并针对语义特征提取, 提出了基于多头注意力机制(multi-head attention)的神经网络模型LBMA. 利用上述融合的特征, 运用机器学习分类器判断两个语句是否相似, 并将分类器分类结果作为多特征融合模型的计算结果. 在尽量不改变语义信息的前提下, 通过数据增强(Data Augmentation, DA)技术扩充数据集, 提升了模型泛化能力. 实验结果表明, 与已有方法相比, 该模型在智能客服数据集上能够有效提升相似度计算的准确性, 准确率达到94.69％.     

基于语义的智能答疑系统关键技术研究

提高答疑的智能性是目前答疑系统研究的重点,为此提出一种语义消歧算法SDA(Semantic Disambiguation Algorithm),它可以更好的解决一词多义的问题。在此基础上提出一种基于语义的问题相似度算法SQS用于提高答疑系统中问题与答案的匹配准确度,实验表明,这种算法提高了答疑的准确性和智能性。     

基于语义的智能答疑系统关键技术研究

提高答疑的智能性是目前答疑系统研究的重点，为此提出一种语义消歧算法SDA（Semantic Disambiguation Algorithm）．它可以更好的解决一词多义的问题。在此基础上提出一种基于语义的问题相似度算法SQS用于提高答疑系统中问题与答案的匹配准确度，实验表明，这种算法提高了答疑的准确性和智能性。     

基于语句相似度计算的FAQ自动回复系统设计与实现

FAQ（Frequently Asked Question）在互联网站上广泛使用，但绝大多数FAQ的检索与回复都是手工进行．拳文介绍了一个较为完整的基于语句相似度计算的FAQ自动回复系统。包括基本计算模型的选取、FAQ特性的分析、FAQ数据形式化衣示及特征向量索引、权重计算等，并给出详细的语句相似度计算算法，实验结果表明，对于频率高、共性大的问题，系统有很高的准确率．     

自动分词算法在智能答疑系统中的应用研究

汉语自动分词是远程教育智能答疑系统的基础,如何根据远程教育智能答疑系统的特点进行相关分词算法的设计是提高答疑系统智能性,促进智能答疑系统发展的关键所在.针对现有答疑系统智能性不好的问题,在介绍几种常见分词算法的基础上,提出了一种改进型的自动分词算法,对该算法及其在智能答疑系统中的应用进行了分析,有利于提高智能答疑系统答疑的准确性和智能性,具有一定的实用价值.     

基于CBR的智能答疑系统范例库的研究与实现

CBR方法是近年来人工智能领域先进和实用的方法,范例库作为智能答疑系统的核心部分,为进一步提高答疑系统的智能性,将CBR引入范例库,研究了基于CBR的智能答疑系统范例库的构建方法,对聚类方法和遗传算法在CBR范例库的检索、维护中的应用进行了分析、测试。通过CBR范例库的建立、检索和维护有效地提高了智能答疑系统的性能、进一步提高了智能答疑系统的智能性。     

基于CBR的智能答疑系统范例库的研究与实现

CBR方法是近年来人工智能领域先进和实用的方法,范例库作为智能答疑系统的核心部分,为进一步提高答疑系统的智能性,将CBR引入范例库,研究了基于CBR的智能答疑系统范例库的构建方法,对聚类方法和遗传算法在CBR范例库的检索、维护中的应用进行了分析、测试.通过CBR范例库的建立、检索和维护有效地提高了智能答疑系统的性能、进一步提高了智能答疑系统的智能性.