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.     

智能答疑系统中搜索技术的研究

描述了智能答疑系统中问题搜索的基本过程,并分析了知网在搜索中的应用，针对题库结构的特殊性,采用了基于文本段的向量空间搜索模型,对传统的TF-DF公式做了改进,并使用局部相似度和全局相似度相结合的方法实现搜索结果的排序。     

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。     

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。     

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。     

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.     

财务文档分词及文档相关性分析

搜集财务专业语料库,利用中科院的分词工具对专业语料库进行分词,计算分词的准确率和召回率,并将结果保存在文件中。计算文档中给定词的词频和反文档频率,并对专业词汇加权,提高专业词汇的重要性,利用数学模型进行文档的相似度匹配。设置阈值,若两篇文档的相似度大于指定阈值,即认定两篇文档相似,进而生成一个矩阵,求解矩阵的连通性,得到该本聚类的结果,并进行文章的相关性分析。该文有利于财务分析人员根据已分类好的财务文档,了解企业过去,评价企业现状,作出对企业有长远影响的决策。     

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。     

基于免疫网络的k-means文档聚类算法研究

提出了一种把人工免疫网络(aiNet)和k-means算法结合的文档聚类算法.先把文档集预处理成向量集表示,基于向量之间的余弦相似度,用aiNet算法对文档进行聚类,用得到的相似度矩阵初始化k-means的聚类中心,再用k-means算法对文档聚类.实验结果表明,该算法是可行的,并且能改善聚类质量.     

基于BF561的智能视频监控仪的设计

介绍了一种基于BF561的智能视频监控器的设计和实现。给出了系统的总体结构、系统各部分的硬件组成以及系统的主要算法和软件实现。测试结果表明,本设计具有良好的实时性、稳定性和准确性,可用于视频监控业务。     

A Semi-Structured Document Model for Text Mining

A semi-structured document has more structured information compared to an ordinary document,and the relation among semi-structured documents can be fully utilized.In order to take advantage of the structure and link information in a semi-structured document for better mining,a structured link vector model (SLVM) is presented in this paper,where a vector represents a document,and vectors‘ elements are determined by terms,document structure and neighboring documents.Text mining based on SLVM is described in the procedure of K-means for briefness and clarity:calculating document similarity and calculating cluster center.The clustering based on SLVM performs significantly better than that based on a conventional vector space model in the experiments,and its F value increases from 0.65-0.73 to 0.82-0.86.     

基于双语LDA的跨语言文本相似度计算方法研究

基于双语主题模型思想分析双语文本相似性,提出基于双语LDA跨语言文本相似度计算方法。先利用双语平行语料集训练双语LDA模型,再利用该模型预测新语料集主题分布,将新语料集的双语文档映射到同一个主题向量空间,结合主题分布使用余弦相似度方法计算新语料集双语文档的相似度,使用从类别间和类别内的主题分布离散度的角度改进的主题频率-逆文档频率方法计算特征主题权重。实验表明,改进后的权重计算对于基于双语LDA相似度算法的召回率有较大提高,算法对类别不受限且有较好的可靠性。     

一个基于关联规则的多层文档聚类算法

提出了一种新的基于关联规则的多层文档聚类算法,该算法利用新的文档特征抽取方法构造了文档的主题和关键字特征向量。首先在主题特征向量空间中利用频集快速算法对文档进行初始聚类,然后在基于主题关键字的新的特征向量空间中利用类间距和连接度对初始文档类进行求精,从而得到最终聚类。由于使用了两层聚类方法,使算法的效率和精度都大大提高;使用新的文档特征抽取方法还解决了由于文档关键字过多而导致文档特征向量的维数过高的问题。     

一种实用智能答疑系统的设计与实现

根据远程学习方式的特点,在兼顾智能化程度与开发成本间的平衡的基础上,提出了一个基于自然语言提问的实用的智能答疑系统实现方案,并分析和研究了其中涉及的关键技术:根据专业词库和常用词库进行自动分词;设计关系词典开展语义分析;采用改进的TF-IDF函数;结合空间向量模型和布尔模型的搜索技术;采用数据挖掘等.     

基于本体的林业领域文档特征权重模型

传统文档特征权重模型仅考虑关键词本身,文档内其他相关词汇并没有参与计算,信息检索时无法返回全面和准确的结果。为解决该问题提出了一种基于本体的林业领域文档特征权重模型。该模型计算TF-IDF特征权重;结合林业领域本体,分别获取关键词和林业领域内其他词汇的语义距离、语义重合度和概念的层次差,并计算语义相关度;结合TF-IDF和语义相似度的结果计算特征权重。实验证明该模型可以提高文本检索的查准率和查全率,使检索结果更加满足用户的需求。     

基于短语检索和答案排序的列表问题回答方法

文章针对列表类自动问题回答的任务要求,提出了一种基于短语检索和答案距离排序模型的列表类问题回答的方法。该短语检索模型在传统的TF/IDF检索模型上进行改进,提出了利用不同长度短语作为查询词的检索方法,能够返回更多包含正确答案的相关文档;答案的距离排序模型则利用答案与上下文词之间的距离作为排序的依据对答案列表进行排序,可以提高正确答案的排名。这两种模型地提出在一定程度上解决了如何在返回尽可能多的答案的同时保证答案质量的问题。实验结果表明利用这两种模型的列表类问题回答方法对系统的性能有显著提高。