网络自动答疑系统中模糊数学方法的应用研究

答疑解惑是教学过程中不可缺少的环节,如何在Internet环境下设计具有自动答疑功能的网络自动答疑系统,成为当前智能教学研究的热点。目前国内外在这方面做的工作主要集中在如何提高系统的智能方面,代表性的算法有：关键词匹配算法、加权关键词算法等。     

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.     

自动答疑系统的研究与实现

随着网络技术的普及以及社会发展的需要,自动答疑系统成为研究的热点之一。文章根据教学答疑系统的特点,采用自然语言处理技术,提出了一种在限定领域中支持自然语言理解的自动答疑系统的模型,并对关键技术进行了分析和讨论。该系统能够自动理解用户输入的自然语言文本,返回一组与问题相关的答案,具有节约资源、智能性和执行效率高等特点。     

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.     

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。     

基于Lucene的自动答疑系统的研究与设计

简要分析了目前国内自动答疑系统的现状以及自动答疑系统在网络教学中的重要性,然后对全文检索引擎工具包Lucene进行分析,充分利用其在索引和检索方面的强大功能,对其在中文分词方面的薄弱加以完善,研究设计了一个在线自动答疑系统。     

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。     

基于知识图谱的智能答疑系统研究

在大型开放式网络课程(MOOC)系统中,答疑是一个重要环节,智能答疑系统的研发,有助于提高教学的效能。一般的答疑系统缺乏对课程知识的智能表示,对以往问题答案的自动归纳等。利用知识图谱技术将学生提问问题以知识点树的形式显示,同时结合朴素贝叶斯算法文本分类,将问题关键字按照知识点树中的知识点进行归类,并与教学案例课件进行分类匹配,从而初步改造为智能答疑系统。系统以华东师范大学公共计算机课为应用实例,初步应用测试问题分类成功率均在80%左右,证明智能答疑系统能更好地表示和分类问题,更好地适应学生的答疑应用。     

基于常见问题集FAQ的智能答疑系统

智能答疑系统是目前问答系统研究领域的一个热点,它既能让用户用自然语言语句提问,又能为用户返回一个简洁准确的答案.常见问题集FAQ是智能答疑系统中的一个重要组成部分,本文提出了FAQ的形成与处理机制,从而在理论上提高了智能答疑系统的性能.     

自动分词在智能答疑系统中的作用

随着Intenet的发展，远程教育也得到了进一步的发展，并且成为了现代教学中的一个部分。其中发展最快的为网络在线教学系统，本文首先通过对国内外现有的网络在线教学系统的现状进行分析，然后阐述自动分词在智能答疑系统中的应用。     

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...     

本体论在自动问答系统中的应用

研究了本体论在面向领域自动问答系统中的应用。探讨领域本体的描述方法,归纳了领域本体空间上的推理公式,加强了领域本体的推理能力。提出了基于本体来组织问句的方法,并探讨在基础上分析问句的方法,并利用本体向量来来联系问句实例和领域知识,达到问题和答案的连接,为领域自动问答系统服务,实验证明,本体能有效地用于自动问答系统。     

融合语义信息与问题关键信息的多阶段注意力答案选取模型

自动问答系统可以帮助人们快速从海量文本中提取出有效信息,而答案选取作为其中的关键一步,在很大程度上影响着自动问答系统的性能.针对现有答案选择模型中答案关键信息捕获不准确的问题,本文提出了一种融合语义信息与问题关键信息的多阶段注意力答案选取模型.该方法首先利用双向LSTM模型分别对问题和候选答案进行语义表示;然后采用问题的关键信息,包括问题类型和问题中心词,利用注意力机制对候选答案集合进行信息增强,筛选Top K个候选答案;然后采用问题的语义信息,再次利用注意力机制对Top K个候选答案集合进行信息增强,筛选出最佳答案.通过分阶段地将问题的关键信息和语义信息与候选答案的语义表示相结合,有效提高了对候选答案关键信息的捕获能力,从而提升了答案选取系统的性能.在三个数据集上对本文所提出的模型进行验证,相较已知同类最好模型,最高性能提升达1.95%.     

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。     

基于依存关系的问句理解与问句分类

问句理解是问答系统的首要过程,问句分类是问句理解的主要组成部分,它在问答系统中具有非常重要的作用,因为问句类型有助于在文档中定位和抽取答案。问句分类的目标是基于预期的答案类型,准确地分类问句。本文提出依存关系规则与统计方法相结合,实现了基于依存关系的中文问句理解与问句分类机制。实验表明：支持向量机结合依存关系的特征抽取方法,获得了较高问句分类正确率。     

中文自动答疑系统的研究与实现

答疑系统是网络教育平台的重要组成部分，其主要作用是：加强师生交流、帮助学生明确问题所在，并获得自己真正需要的答案信息。探讨了基于中文的自动答疑系统中FAQ库、领域文本知识库组织方式；分析了问题理解、问题检索及问题求解各模块的设计方法；提出以FAQ库智能检索为主，领域文本检索为辅，不断扩充、更新FAQ库的检索方式，力求高质量的满足网络教育的解惑需求。该答疑系统在实际应用中也表现出较高的应用价值。     

QUESTION ANSWERING USING QUESTION CLASSIFICATION AND DOCUMENT TAGGING

Question answering (QA) is a relatively new area of research. We took the approach of designing a question answering system that is based on question classification and document tagging. Question classification extracts useful information from the question about how to answer the question. Document tagging extracts useful information from the documents, which are used to find the answer to the question. We used different available systems to tag the documents. Our system classifies the questions using manually developed rules. An evaluation of the system is performed using Text REtrieval Conference (TREC) data.     

基于问答交互的答案句选择算法

答案选择任务的精度对问答系统、文本处理等应用的效果具有重要的影响.针对答案选择模型问句与候选答案句语义信息和句子浅层特征利用不充分的问题,提出一种基于问答句交互的答案选择模型.给定问句Q和候选答句A,模型首先使用BiLSTM编码器对它们进行编码,然后针对问句Q使用Feed-Forward注意力机制得到句子编码;针对答句...