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。     

基于本体的个性化智能答疑系统的设计

针对目前智能答疑系统存在着没有充分考虑学生个体差异性的现象,本文提出了一个基于本体的个性化智能答疑系统,利用本体构建专业领域知识库,使系统实现在语义层次上检索学生的提问,系统同时通过网络教学系统获取学生的学习行为特征,并以此为条件过滤系统检索的结果,以向学生提供适合其学习的答案集。经实验表明,本系统能提供较强的个性化智能答疑服务。     

网络答疑本体的生成与匹配方法研究*

针对网络答疑具体任务,提出答疑本体概念,构建答疑本体,并提出一种基于答疑本体的答案匹配方法和相似度计算公式。公式不仅考虑词之间的相似度,还考虑问题答案对(QAp)在本体中的位置。该位置信息隐含了句子结构上的语义和词的语义扩展。实验结果表明提出的答疑本体能够有效表示QAp,易于答疑系统的检索匹配。     

基于Ontology的多Agent智能答疑系统模型研究

针对目前智能答疑系统在知识共享、知识重用以及问题求解查全率和查准率方面的不足,提出了基于Ontology的多Agent智能答疑系统模型。该模型首先需要建立基于Ontology的问题解答知识库,然后对用户输入的问题进行关键词拆分、本体交互和语义扩展等,并在问题解答库中进行查询,得到合适的问题答案。与同类答疑系统比较,在知识共享、知识重用以及问题答案的精确定位与表达有了较为明显的改进。     

智能答疑系统中语义网的研究与应用

目前答疑系统大多以关键词匹配为基础,而智能答疑系统是在此基础之上,增加了对语义的理解.文中讨论了专业领域义原的抽取、语义网和语义树的建立,并且就语义关系在智能答疑系统中的角色做了阐述.最后,实现了一个原型系统,通过增加对语义关系的理解,取得了比较好的测试结果.     

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。     

分布式环境下智能答疑系统平台的研究与实现

针对远程教育智能答疑系统中的知识资源不足的问题,提出采用M ob ile A gent技术、用XM L表示知识构建分布式环境下多站点之间的智能答疑平台,通过知识资源搜索完成答疑任务并补充和完善本地知识资源;讨论了系统所采用的A gent通信机制和路由策略。实验表明,使用该系统搭建起来的平台能够实现多个网络教育站点共享,解决答疑资源不足问题。     

分布式智能答疑系统的知识库构建与维护研究

构建知识库是搭建分布式环境下智能答疑系统平台的关键环节。文中针对如何表示各站点知识库中的知识以及如何构建和维护知识库问题,提出用XML表示知识来构建知识库,通过使用DOM树来维护知识库,并给出了知识库的组织结构图及XML的DTD文件。实验表明,用该方法构建的知识库便于在系统平台下实现资源共享和知识库维护。     

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。     

基于招生咨询域的问答系统中答案抽取的研究

中国每年高考的考生教百万之巨,很多考生和家长对高考有这样或那样的问题,信息量需求非常大。开发基于招生咨询领域的自动问答系统是非常具有现实意义的。该文设计了一种基于招生咨询领域的自动系统,把蕴涵丰富招生咨询方面材料的文档库与常问问题答案库（FAQ）相结合,采用信息检索和答案抽取技术相结合,实现了从文档中自动得到答案的策略。     

基于招生咨询域的问答系统中答案抽取的研究

中国每年高考的考生数百万之巨,很多考生和家长对高考有这样或那样的问题,信息量需求非常大。开发基于招生咨询领域的自动问答系统是非常具有现实意义的。该文设计了一种基于招生咨询领域的自动系统,把蕴涵丰富招生咨询方面材料的文档库与常问问题答案库(FAQ)相结合,采用信息检索和答案抽取技术相结合,实现了从文档中自动得到答案的策略。     

中文问答系统中答案抽取的研究

答案抽取是开放领域问答系统中的关健部分,主要由检索结果句子的重排和最终候选实体的抽取构成.通过把依存分析到引入到这两个步骤中,并结合改进的关键词密度算法,增强了对句法和语义知识的利用和系统的鲁棒性,在实验中答案抽取的效果明显提高.