基于知识图谱的抑郁症自动问答系统研究

抑郁症患者对自身认知的不足以及早期筛查方法的缺乏导致很多患者在治疗时就已经是重度抑郁障碍,为改善现状,本研究从抑郁症论文摘要中抽取其知识三元组,构建抑郁症知识图谱,并基于抑郁症知识图谱,开发自动问答系统.该问答系统可以将用户输入的问题进行中文分词,然后用BiLSTM+CRF模型识别问题中的医学实体,再根据模板匹配理解问题中的语义,在所建构的抑郁症知识图谱中查询到对应的答案,以自然语言的形式返回给用户.实验结果表明,基于抑郁症知识图谱的自动问答系统可以有效回答抑郁症相关的问题,具有较高的准确率和使用价值.     

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.     

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。     

基于认知图谱的智能问答系统推理模型研究

目前现有问答系统模型大多数都采用模板匹配的方式进行推理,对问题推理不够充分,因此,提出基于认知图谱的问答系统推理模型.依据专业领域知识作为知识源构建本体;并基于该认知图谱构建了"问题-关系"一对一的认知图谱问答系统模型.最后通过将问答问题划分为简单问题与复杂问题分别对问题进行处理,其中简单问题运用BERT+ CRF(Bidirectional Encoder Representations from Transformers+Conditional Random Field)模型进行模板匹配;针对复杂问题运用Node2vec生成子图后用GCN(Graph Convolutional Network)推理模型进行推理,将得出的答案作为输出结果.最后对所提出的模型通过井下作业领域进行了实验,结果表明认知图谱问答模型优于其他算法模型.     

基于知识图谱的问答系统中属性映射方法研究

在基于知识图谱的智能问答系统中,属性映射模块结果的错误传播会导致最终无法得到正确答案,对此提出了一种基于多注意力多维文本的属性映射方法。首先通过拆分问题文本及结合属性信息得到多维文本表示;其次使用长短期记忆网络(long-short-term memory, LSTM)层生成各自的隐层表示;然后输入多注意力机制层后使问句和属性之间的关系及语义信息更加完善,利用属性之间的交互信息及多种角度来加强问句语义信息的理解;最后通过卷积神经网络(convolutional neural networks, CNN)提取局部特征并且采用softmax分类器实现属性映射。试验结果表明,在自然语言处理与中文计算会议(NLPCC 2018)中知识库问答(KBQA)任务所提供的开源数据集上,本方法相比主流属性映射模型其性能有显著提升,准确率最高提升6.62%。本模型可以补足单一文本表示与注意力机制的短板,有效解决属性映射模块中语义歧义的问题,这有助于后续提高智能问答系统的整体性能。     

汽车故障知识图谱构建及应用研究

知识图谱技术对汽车高效的故障诊断具有重要的意义,现有汽车故障知识图谱构建存在着实体识别模型效果不佳、无法解决嵌套实体等问题。针对上述问题,通过采用全词掩码的预训练语义模型、加入对抗训练和改进嵌套实体识别模型的方式提高实体识别模型效果,提出了一种改进的嵌套实体识别模型。实验结果表明,所提模型在F1指标、P指标、R指标上相比基线模型分别提高了3.56%、4.08%、3.05%,相比其他模型也有不同程度的提高,验证了所提模型对汽车维修领域实体识别具有显著效果。同时,基于构建的汽车故障知识图谱,实现了汽车故障知识智能问答原型系统,展示了知识图谱技术在汽车故障诊断与维护领域的应用前景。     

K-VQA：一种知识图谱辅助下的视觉问答方法

依照所回答的问题类型区分,图像和文本的视觉问答大体分为2类,第1类是可以从图像中直接获取答案的问题,第2类是需借助外部知识获取答案的问题。目前的视觉问答方法只能在一类问题上具有较高的准确率,回答另一类问题的技术尚不成熟。为了扩大可回答的问题类型,设计了一种知识图谱辅助下的视觉问答方法——K-VQA。在基于深度学习VQA的基础上,通过查询知识图谱区分问题类型,对不同类型的问题采用最合适的方法进行回答,对于需借助外部知识进行回答的问题,利用图像和问题中的信息判断回答问题所需的实体和属性,抽取知识图谱中的三元组,获取问题答案。结果表明,不同的视觉问答技术适用于不同类型的问题,K-VQA方法既能回答简单问题也能回答推理性问题,准确率高达56.67%。因此,作为知识图谱辅助下的视觉问答方法,K-VQA可以回答更多类型的问题并获得较高的准确率,对于深入研究VQA和VQA方法具有重要的参考价值。     

基于智能算法的教育知识问答系统设计

随着人工智能的发展成熟,教育知识问答系统的实现成为相关专家共同研究的热门话题.此次研究设计了一种教育知识问答系统算法框架并提出基于BiLSTM+CNN-CRF算法的实体识别模型,通过CNN模块和BiLSTM模块完成局部特征和全局特征的拼接,最终经全连接层和CRF模块完成解码,通过最佳序列标注实现问答系统问句分析.设置超参数中学习率为0.01,dropout为0.1,迭代轮数为50,滤波器数量为6时,实体识别模型中的性能更佳.BiL-STM+CNN-CRF实体识别模型比LSTM-CRF和BiLSTM-CRF两种模型的F1值分别提升3.04％和0.62％,准确率分别提升0.77％和0.73％,召回率分别提升5.18％和0.62％.     

利用图像描述与知识图谱增强表示的视觉问答

视觉问答作为多模态任务,需要深度理解图像和文本问题从而推理出答案。然而在许多情况下,仅在图像和问题上进行简单推理难以得到正确的答案,事实上还有其他有效的信息如图像描述、外部知识等可以被利用。该文提出了利用图像描述和外部知识增强表示的视觉问答模型。该模型以问题为导向,基于协同注意力机制分别在图像和其描述上进行编码,并且利用知识图谱嵌入,将外部知识编码到模型当中,丰富了模型的特征表示,增强了模型的推理能力。在OKVQA数据集上的实验结果表明,该方法相比基线方法有1.71%的准确率提升,与已有的主流模型相比也有1.88%的准确率提升,证明了该方法的有效性。     

基于知识图谱的自适应学习系统知识模型构建

为解决在线学习平台中知识表现离散、系统性不高和知识模型适用性差等问题,提出基于知识图谱的知识模型构建,再利用 FP-Growth 数据挖掘算法进行关联规则挖掘,实现知识模型的动态更新。通过实践证明,知识图谱可有效改善知识模型的系统性,FP-Growth 算法充分考虑了学生因素对知识模型的影响,提高了模型的适用性。     

基于Web的数学概念知识问答系统研究

数学领域知识的获取和管理受到越来越多的关注。介绍了数学知识工程NKIMath中融合本体、框架与逻辑的概念知识表示方法。给出半结构化的数学知识自动获取途径。给出了基于Web的数学概念知识问答系统,研究了问答系统中查询语言的命名独立性及实现方法。     

辽代历史文化资源知识图谱构建研究

目前网络上关于辽代历史信息化智能查询服务系统资源相对缺乏,关于辽代历史介绍文本篇幅冗长,不方便大众进行阅读观看.为了便于大众能更加快速准确了解相关的辽代历史知识,基于百度百科、搜狗百科以及基于爬虫技术等形式获取了与辽代历史相关的文本数据,采用BiLSTM-CRF模型进行实体抽取,通过关系抽取模型抽取实体间的关系,通过知识融合等技术对得到的数据进行实体对齐以及本体构建.最终构建辽代历史文化领域知识图谱,并在此知识图谱的基础上开发了可视化查询系统.     

地质知识图谱标准化模型研究

现有地质元数据标准普遍表现为缺乏语义、比较零散、体系不够完善等缺点.为解决地质知识标准的组织,在对国内外地质领域内标准以及知识图谱研究的基础上,以地层知识和石油地质知识为依据构建了地质知识标准化模型,分别以地层和石油地质为应用背景,采用知识图谱技术对他们进行了实现验证.结果 表明,所提出的标准化能为地质知识组织的标准化...     

基于多尺度卷积的胶囊网络知识图谱嵌入模型

该文基于胶囊神经网络出色的维度信息挖掘能力,加入多尺度卷积以进一步增强其特征提取和交互能力,提出了基于多尺度卷积的胶囊网络知识图谱嵌入模型.首先,通过TransE算法训练得到实体和关系的初始化嵌入向量;其次,通过多尺度卷积生成不同的特征图,将得到的特征图进行特征融合,融合后得到的特征图重组为相对应的胶囊;最后,利用动态路由指定从第一层胶囊到第二层胶囊的连接,经过路由得到的第二层胶囊利用squash函数得到最终向量长度,该向量长度决定三元组的置信度.知识图谱链接预测任务的实验结果表明,较嵌入模型CapsE,本文提出的模型在WN18RR数据集上指标Hit@10提高1.8%,MRR提高1.4%,在FB15k-237数据集上Hit@10提高2.2%,MR提高4.8%.     

历史街区研究知识图谱的可视化分析

为直观呈现和比较国内外历史街区领域的研究现状与热点演进,采用文献计量法对3296篇历史街区主题的文献进行分类统计,利用CiteSpace软件生成知识图谱,从刊文量、发文机构、核心出版物、共现关键词和突现词等方面进行了可视化分析.研究表明:①国内外历史街区研究存在地域性差异,且缺乏跨机构交流合作;②历史街区研究学科覆盖范...     

基于知识图谱的数控装备信息模型建模方法

针对数控装备数据采集效率低、结构不完善、格式不统一的问题,提出了一种基于知识图谱的数控装备信息模型的建模方法．首先确定建模范围并获取数据源,其次对非结构化数据进行信息抽取形成领域元模型,再将元模型与第三方知识进行数据融合形成领域模型,然后对其进行知识加工生成知识图谱,最后通过映射与抽象生成信息模型并实例化生成JSON文件．搭建具有身份认证和访问控制功能的数控装备工业互联通信协议(NC-Link)客户端和服务器,对信息模型、数据的传输效率和安全性进行测试,实验结果证明该信息模型能够完成多源异构数据毫秒级的采集,且提高了数据采集的安全性．     

基于CiteSpace知识图谱分析的工程 决策知识体系研究

工程决策是工程建设管理的核心,科学的工程决策知识有助于保证决策的正确性.基于CNKI数据库1992—2019年间国内工程决策数据样本,利用CiteSpace可视化软件分别对发文量时间、关键学者群体、研究热点以及聚类群组进行分析,进而绘制工程决策系列知识图谱.结果表明,工程决策关键词信息主要集中在原理、方法、模型、技术要素和影响因素方面,前沿热点主要集中在复杂性决策研究、群体决策研究、情景鲁棒性研究以及对数据挖掘的运用上面.在此基础上,根据知识图谱识别出的知识要素,建立以工程决策技术、管理、经济知识三大基石和前沿知识要素为基础的工程决策知识体系,为工程决策提供系统的知识支持.     

面向知识图谱的多语言电子商务智能系统研究

面向知识图谱的多语言电子商务智能系统,是针对新丝绸之路经济带特定领域以汉语、藏语、蒙古语、维吾尔语、英语等多语言民族特色农产品电子商务的统一平台构建,在此基础上解决新丝绸之路经济带多语言关联的自然语言处理问题.通过绘制多语言知识图谱库并将其应用于多语言商品信息展示,同时结合知识图谱的多源知识关联来实现复杂数据分析及精准推荐,根据买家属性向用户智能推荐相关产品,实现基于深度学习的以汉语为核心的多语言智能分析推荐功能.     

基于知识图谱的“知识组织”研究演进分析

以来自web of science图情学科中"知识组织"研究的文献为研究对象,运用知识可视化图谱软件CiteSpace Ⅱ对这些数据进行文献共引文分析和热点分折,以知识图谱的方式展示了图情学领域"知识组织"研究前沿的演进情况。     

基于知识图谱的查询语句重写机制及方法

随着语义Web技术和知识图谱的出现,目前查询模式大多要求查询结果与用户查询进行语义级匹配,简单的查询处理过程已经不能满足用户的查询需求.为此,对知识图谱查询涉及的重写技术和实现方法进行了研究,在定义SPARQL(SPARQL Protocol and RDF Query Language)查询模式的重写规则集合基础上,...