自动生成知识库的设计和应用探索

本文提出了一种基于自动生成知识库的智能问答系统。利用爬虫知识从网页爬取有用信息作为QA对;通过关键词匹配的算法改进制作推理机;在生成知识库时,将QA对的答案提取出关键词,并存储到知识库中,作为用户匹配QA对的关键数据。若网页中有描述即直接取,没有描述则用算法提取;通过与用户的交互,自动反馈更新知识库,使知识库越用越准确。     

基于卷积神经网络的自动问答

自动问答是自然语言处理领域中的一个研究热点,自动问答系统能够用简短、精确的答案直接回答用户提出的问题,给用户提供更加精确的信息服务.自动问答系统中需解决两个关键问题:一是实现自然语言问句及答案的语义表示,另一个是实现问句及答案间的语义匹配.卷积神经网络是一种经典的深层网络结构,近年来卷积神经网络在自然语言处理领域表现出强大的语言表示能力,被广泛应用于自动问答领域中.本文对基于卷积神经网络的自动问答技术进行了梳理和总结,从语义表示和语义匹配两个主要角度分别对面向知识库和面向文本的问答技术进行了归纳,并指出了当前的研究难点.     

基于语义分析的运维数据关联知识库构建方法研究

传统方法采用数据挖掘的方式构建运维数据关联知识库,返回的关联信息并非用户想要的最终结果,不符合用户意图。为此,提出一种新的基于语义分析的运维数据关联知识库构建方法。给出运维数据关联知识库结构。采用文档主题生成模型LDA获取关键词,通过语义相似度求出知识案例与检索词间的相近程度,将和检索词相似度最高的结果作为检索结果。对运维知识项的各个属性赋予权值,依据构成元素的权值与知识库各个属性的匹配关系计算权值和,求出相似度。采用关键词权重量化法对检索结果进行处理。将构建知识库应用于动车系统中,结果表明,通过构建知识库可有效检索运维数据关联知识,为运维人员提供依据。     

基于语义分析的运维数据关联知识库构建方法

传统方法采用数据挖掘的方式构建运维数据关联知识库,返回的关联信息并非用户想要的最终结果,不符合用户意图。为此,提出一种新的基于语义分析的运维数据关联知识库构建方法。给出运维数据关联知识库结构。采用文档主题生成模型LDA获取关键词,通过语义相似度求出知识案例与检索词间的相近程度,将和检索词相似度最高的结果作为检索结果。对运维知识项的各个属性赋予权值,依据构成元素的权值与知识库各个属性的匹配关系计算权值和,求出相似度。采用关键词权重量化法对检索结果进行处理。将构建知识库应用于动车系统中,结果表明,通过构建知识库可有效检索运维数据关联知识,为运维人员提供依据。     

不确定知识的相似度量方法及应用

基于模糊集和粗糙集理论,给出常用的几种不确定知识的相似度量方法,并应用于信息检索系统中。建立了更符合用户信息需求的模糊相关检索模型。利用粗糙集的等价关系(近似关系)表示用户查询兴趣特征,并通过不精确的分类知识方法进行知识库中用户兴趣分类。     

基于动态规划的知识库问答方法

基于知识库的问答(question answering over knowledge base,QA-KB)致力于从语义角度更准确地分析用户的查询意图,并用简洁准确的结果回答用户的自然语言问题.现有的QA-KB方法大多基于APA(alignment-prediction-answering)框架,将整个问答过程拆解为多个分离的任务,采用贪心思想作为决策本质,缺乏统一化的建模与全局化的优化策略.因此提出一种端到端的无监督QA-KB框架,并使用动态规划算法支撑全局的优化与决策.实验结果表明该方法在中文问答数据集中取得了良好效果,尤其在解决多跳问题上有突出表现,为现有的问答系统提供了新思路.     

基于词向量句子相似度量的医疗科室推荐

针对医疗信息系统中传统科室推理方法存在的计算效率低下、推荐效果欠佳与知识库难于维护等问题,提出了基于词向量句子相似度量的医疗科室推荐方法.该方法采用深度学习工具构建医疗知识库词向量模型,以词向量代替语义词典检索或词频统计来实现医疗问答对的相似度量,建立基于句子相似度量的医疗科室推荐框架.通过专业医疗在线问医平台真实问答数据的实验,结果表明,与传统科室推理方法相比较,该方法具有更高的推荐准确率与工程可行性.     

基于XML的海上搜救智能决策支持系统知识库

提出了用XML构建基于多agent的海上搜救智能决策支持系统知识库的新方法,研究了知识库的创建、知识库与应用程序相结合等问题．研究结果表明：与传统的知识表示方法相比,基于XML的知识库具有检索效率高、通用性良好等优点,特别是能较好地实现异构系统的互操作．     

基于描述逻辑的概念检索模型

针对当前的概念检索模型存在没有语义特征的词典和缺乏知识库层面上的推理机制等问题,采用具有很强的表达能力和可判定推理功能的描述逻辑来实现概念的扩展检索.设计了一个基于描述逻辑的概念检索模型,并对其核心的推理算法作了进一步扩展,给出了相应算法的数学定义及其知识库的逻辑描述,并据此采用Jena和Racer推理引擎实现了一个基于描述逻辑的汽车导购的概念检索系统,可向用户提供有关汽车的分类、性能、报价等信息.实验结果表明:基于描述逻辑的概念检索模型实现了有效的隐含语义的检索,并通过关联概念联想实现了良好的用户启发和信息导航.     

基于本体的Web智能信息检索系统

利用领域本体知识库对用户的查询信息进行语义扩展,提出了一个Web环境下的智能信息检索系统,并讨论了该系统的体系结构,解决了传统的基于关键字的信息检索只能从句法上对关键字进行分析、而忽视关键字本身语义信息所造成的错检和漏检,以及无法根据信息资源中的语义关系进行检索的问题。与传统检索方法相比,该系统原型的试验结果表明,检索效率有了很大的提高。     

中文问答系统的研究

介绍了有关中文问答系统的一些研究．问答系统是集知识表示、信息检索、自然语言处理技术于一体的难度很高的研究课题，本文从问题处理、检索系统、答案抽取三个方面进行了详细说明．     

基于问题模式匹配的智能答疑系统原型

智能答疑系统是将学生的问题和老师的解答有机地组织起来并存放至相应的答题库中，通过自然语言的语义理解技术来分析并自动的匹配学生所提出的问题，自动地给予问题解答的系统. 智能答疑系统能够给予提问者即时的回应，减轻教学人员的工作压力，在远程教学中具有重要意义.红棉智能答疑系统（原型系统）针对国内现有的智能答疑系统普遍存在的问题，借鉴了国外先进智能答疑系统的成功经验与设计理念，根据中文智能答疑的特殊需求，引入了基于概率的双向最大匹配分词算法、智能问题模式匹配、基于语义依存树的语义分析等技术进行智能问题分析，形成了具有更高答案召回率、合理性与正确性的新一代智能答疑系统.     

基于格语法的问答系统的设计与实现

格语法是自然语言处理学科的一种基本理论,问答系统是自然语言处理的一个重要分支。文章在介绍格语法理论的基础上,介绍了基于格语法的问答系统的设计及具体实现。     

基于句型模板的智能问答系统

智能问答系统是远程教学系统中的一个重要组成部分,其主要功能是解答学习者的提问。在此研究了一种基于句型模板的智能问答系统,实现自然语言提问和自动智能答疑。该系统主要包括三方面的内容:①分析学习者的知识提问形式,采集句型模板,并实现基于Web的提问界面;②通过智能分词和模糊匹配建立提问句型,把提问句型映射到概念-关系模型上;③通过IO模型构造问答结果。     

自然语言理解策略——中文语义分析及LSF随机化句法分析模型与应用

应用自然语言理解的相关技术、知识信息的语义网络表示方法等,针对中文语义进行了剖析．论述了LSF随机化句法分析模型,其分析结果对于机器人的自动应答系统具有实际应用价值．此项研究结果可应用于机器人辅助教学之中．     

自然语言理解新思路─HNC

ＨＮＣ是 Ｈｉｅｒａｒｃｈｉａｌ Ｎｅｔｗｏｒｋ ｏｆ Ｃｏｎｃｅｐｔｓ概念层次网络）的简称，是关于自然语言理解处理的一个理论体系．这个理论体系的基本思路与传统计算语言理论有本质的不同．它展示了自然语言理解的突破性进展，其三大理论要点集中体现了ＨＮＣ理论在自然语言表述和处理模式上的突破，本文描述笔者对 ＨＮＣ理论这种“突破”的认识。     

自然语言理解新思路-HNC

ＨＮＣ是Ｈｉｅｒａｒｃｈｉａｌ Ｎｅｔｗｏｒｋ ｏｆ Ｃｏｎｅｃｐｔｓ（概念层次网络）的简称,是关于处然语言理解处理的一个理论体系,这个理论体系的基本思路与传统计算语言理论有本质的不同,它展示了自然语言理解的突破性进展,其三大理论要点集中体现了ＨＮＣ理论在自然语言表述和处理模式的突破,本文描述了笔者对ＨＮＣ理论这种“突破”的认识。     

人工智能在林分经营中的应用

应用人工智能技术编制了高岩子林场的具有部分专家系统功能的林分经营系统，该系统包含知识库、推理机以及空系统，知识库与推理机可据不同的经营对象而变化，将空系统转变成实系统，任何一种计算机高级语言均可实现该功能。     

基于答案结点的XML文档模糊检索

针对普通用户发出的面向XML文档的自然语言模糊查询,分析了模糊内容和结构检索(VCAS)的影响因素,充分利用预设答案结点的逻辑意义完整性,结合模糊抽取的查询表达式给出了如何找到模糊内容检索的最佳查找粒度.在此基础上,设计了VCAS检索的结果相关性排序模型,最后通过实验从不同角度对模型进行了验证.