分组密码的相关模式攻击

对分组密码的工作模式进行了攻击，结果表明如果攻击者能询问电码本（ECB）问答器，则很容易攻破明密文分组连接模式（PCBC）；相反如果攻击者能询问PCBC问答器，则攻击者能很容易攻破ECB、密码分组连接模式（CBC）、密码反馈模式（CVB）和输出反馈模式（OFB）。     

基于特征词集的闭域问答系统研究

将语义信息引入闭域问答系统的研究,并通过实验来验证其对闭域问答系统性能的改善.主要方法是寻找一个领域特征词集来描述候选答案集与问题间的相关度.     

专用领域自动问答系统模型

介绍了一般问答系统的技术和方法,同时,为了提高问答系统的精确度,提出了专用领域问答系统模型,其核心是专业词典库(Thesaurus)的应用(专业词典库包含了结构化的领域专业词汇),在此基础上构建了建筑学与教育领域的问答系统.并应用MRR(Mean Recip-rocal Rank)评估方法,在建筑学领域进行了实验,结果显示:相对于关键词检索方法,应用此方法的系统在性能上取得了近10%的改善.     

一种基于常识的图片验证码设计方法

为了防止非法用户对在线系统的恶意攻击,提出了一种简单高效基于常识的图片验证码设计方法。通过不同难度层次的常识构建常识库,设计生成的图片验证码质量较高,用户根据图片验证码的常识问题推理得到答案,将答案作为密匙进行认证,而不是直接输入图片验证码上面的字符,可以有效杜绝非法用户对系统的攻击,弥补当前诸多验证方法的不足,同时又兼顾了验证码设计的可用性和安全性准则,适用于普通在线系统的身份认证。     

基于平均信息熵的中文问句关键词提取

关键词提取是问答系统中问句分析的重要步骤,它有助于问答系统快速、准确地返回答案。针对现有文献中基于T FIDF等方法在关键词提取准确率及效率方面的不足,提出一种基于平均信息熵的中文问句关键词提取方法。通过加入专业领域词汇,并在停用词过滤的基础上计算问句中每个词的平均信息熵,以词的信息熵值直接体现该词在问句中的重要性;同时在关键词提取过程中,通过设定不同提取比例,并在不同提取比例下观察评价标准值,以最佳提取比例获取更为合适的关键词。实验结果表明,与传统的T FIDF等其他方法相比,该方法的查准率、查全率以及 F1测度值都得到显著提高。     

基于知识图谱的广西文化旅游问答系统研究与实现

当前的旅游咨询服务还只是为用户提供自主网络搜索返回的碎片化信息,尚未能将地方特色文化智能反馈给用户。针对此实际情况,本研究基于广西民族文化旅游知识图谱,对广西民族文化旅游问答系统的关键技术加以研究,并设计相应的问答系统,在解决实际需求的同时,尝试提高用户咨询体验满意度。根据问答系统（Question Answering System,QA）结构,本研究设计并实现了基于BERT的命名实体识别模块（BERT based Entity_identification Model,BEiM）,基于模版的关系抽取模块（Template based Relationship_extraction Module,TReM）和基于知识图谱的匹配推理模块（Knowledge Graph based Matching Module,KGMM）。在上述关键技术基础上,实现了广西文化旅游问答系统,并给出相关实验测试和应用效果。本研究构建的知识问答系统能够帮助游客高效地找到当地旅游的相关知识,提高游客自助服务的效率。对于人工智能助力广西旅游业的发展而言,本研究无疑是一项具有重要意义的工作。     

一个基于金融混合数据的智能问答模型

智能问答系统（Question Answering System,QAS）是一种让人类通过自然语言与机器进行问答来获取信息的人机交互系统，是自然语言处理的一个集综合性与广泛性于一体的应用．现有的智能问答系统模型研究主要考虑单一型数据．然而，现实生活中结合表格和文本的混合型数据十分普遍，如金融领域的财务报表．本文对已有的财务报表智能问答模型进行改进并提出了一个新模型，该模型有更好的效果．     

基于兴趣和专业度建模的CQA专家发现方法

现有问答社区专家发现方法通过学习用户解答的问题序列单向信息建模用户兴趣，忽略了用户兴趣的波动性，对于解答过较少问题的用户建模准确度将受到影响，此外，未考虑历史回答与问题的语义相关性对评估用户表现的作用。论文提出基于兴趣和专业度建模的CQA专家发现方法，首先，使用BERT4Rec学习用户近期解答的问题序列双向信息得到近期动态兴趣表示；其次，构建用户社交网络，使用DeepWalk算法学习网络结构特征，得到用户长期兴趣表示；再次，构建用户专业度评估网络，依据用户回答与问题的语义相关性及反馈信息计算权重，对相应问题进行加权，引入注意力机制，重点关注用户在与新问题相近问题上的表现，得到用户专业度表示；最后，综合用户近期动态兴趣、长期兴趣和专业度表示与新问题进行匹配打分，为新问题找出有意愿接受邀请并能提供优质回答的用户。实验表明，该方法取得了较好表现，较基线方法在英语、3D打印和天涯问答数据集的MRR评价指标上分别提升了5.2%、2.7%、16.1%。     

基于知识图谱嵌入的多跳中文知识问答方法

基于知识图谱嵌入模型, 提出一种知识图谱嵌入评分与链路评分相结合的评分方法, 以解决中文领域的多跳知识图谱问答任务, 与传统的单跳知识问答方法相比适用性更广. 该方法在搜索最优答案的同时构建一个查询链路, 通过查询给出答案集合, 从而有效缓解了现有方法中遗漏答案的情况. 在NLPCC-MH数据集上的实验结果表明, 该方法在多跳问题上的平均F₁值为0.653, 显著优于对比方法. 真实知识图谱通常存在链路缺失的情况, 实验以随机丢弃25%三元组的方式模拟了知识图谱的稀疏性, 结果表明该方法在这种情况下仍然有效.