車主以往總是借助搜索引擎對汽車故障進行初判,然而搜索引擎通常難以準確定位用戶信息需求,導(dǎo)致檢索結(jié)果不佳。鑒于此,一些專業(yè)的汽車門戶網(wǎng)站相繼推出問答社區(qū),車主可以通過向其他用戶提問獲取汽車故障的相關(guān)知識,自主完成汽車故障的初判,在滿足用戶特定信息需求的同時增強了用戶間的互動性。隨著問答知識的不斷積累,如何有效整合信息資源,利用智能技術(shù),快速、高效、準確地為用戶提供高質(zhì)量的汽車故障問答信息成為當務(wù)之急。針對上述現(xiàn)狀,本文研究了汽車故障問答庫智能管理系統(tǒng)設(shè)計架構(gòu),并且針對系統(tǒng)中汽車故障的問題分類與答案質(zhì)量預(yù)測兩個關(guān)鍵任務(wù)進行相應(yīng)算法的研究,具體工作內(nèi)容如下:（1）收集、處理并分析汽車故障領(lǐng)域的相關(guān)問答數(shù)據(jù),根據(jù)汽車故障問答對數(shù)據(jù)的特點以及系統(tǒng)所需功能,設(shè)計了面向問答社區(qū)的汽車故障問答庫智能管理系統(tǒng)框架,有效整合了汽車故障問答資源。（2）針對汽車故障問題文本特征稀疏、語義信息不全等問題,提出基于問題-答案語義共現(xiàn)的汽車故障問題分類方法。利用詞嵌入模型,將問題文本與答案文本中語義相似的詞作為共現(xiàn)詞,并利用注意力機制聚焦問題文本中的共現(xiàn)詞特征,有效提高了問題分類的精度。（3）針對目前答案質(zhì)量預(yù)測方... 

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 問題分類研究現(xiàn)狀
        1.2.2 答案質(zhì)量預(yù)測研究現(xiàn)狀
    1.3 研究工作
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)理論方法
    2.1 文本表示
        2.1.1 向量空間模型
        2.1.2 詞嵌入模型
    2.2 深度學(xué)習(xí)模型
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.2 長短時記憶網(wǎng)絡(luò)
        2.2.3 注意力機制
    2.3 性能評估指標
    2.4 本章小結(jié)
第3章 汽車故障問答庫智能管理系統(tǒng)框架
    3.1 汽車故障問答庫智能管理系統(tǒng)框架設(shè)計
        3.1.1 系統(tǒng)架構(gòu)設(shè)計
        3.1.2 系統(tǒng)模塊設(shè)計
        3.1.3 系統(tǒng)流程設(shè)計
    3.2 汽車故障問答文本數(shù)據(jù)集構(gòu)建
        3.2.1 數(shù)據(jù)獲取
        3.2.2 數(shù)據(jù)處理
        3.2.3 數(shù)據(jù)標注
    3.3 汽車故障問答庫智能管理系統(tǒng)關(guān)鍵任務(wù)
        3.3.1 汽車故障問題分類
        3.3.2 汽車故障答案質(zhì)量預(yù)測
    3.4 本章小結(jié)
第4章 基于語義共現(xiàn)與注意力網(wǎng)絡(luò)的汽車故障問題分類方法
    4.1 問題分析
    4.2 基于語義共現(xiàn)與注意力網(wǎng)絡(luò)的問題分類模型架構(gòu)
        4.2.1 基于共現(xiàn)詞注意力的問題文本表示層
        4.2.2 單通道卷積層與長短時記憶網(wǎng)絡(luò)層
        4.2.3 詞級注意力層
    4.3 實驗設(shè)計與分析
        4.3.1 實驗設(shè)置
        4.3.2 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 基于問題-答案聯(lián)合學(xué)習(xí)的汽車故障答案質(zhì)量預(yù)測方法
    5.1 問題分析
    5.2 基于問題-答案聯(lián)合學(xué)習(xí)的答案質(zhì)量預(yù)測模型架構(gòu)
        5.2.1 問答文本聯(lián)合表示層
        5.2.2 基于問答文本聯(lián)合表示的并行卷積層
        5.2.3 并行長短時記憶網(wǎng)絡(luò)層與輸出層
    5.3 特征構(gòu)建與選擇
    5.4 實驗設(shè)計與分析
        5.4.1 實驗設(shè)置
        5.4.2 實驗結(jié)果與分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 未來工作展望
參考文獻
致謝
攻讀學(xué)位期間參加的科研項目和成果


【參考文獻】：
期刊論文
[1]基于標簽語義注意力的多標簽文本分類[J]. 肖琳,陳博理,黃鑫,劉華鋒,景麗萍,于劍.  軟件學(xué)報. 2020(04)
[2]基于雙向長短時記憶網(wǎng)絡(luò)的改進注意力短文本分類方法[J]. 陶志勇,李小兵,劉影,劉曉芳.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2019(12)
[3]基于短語注意機制的文本分類[J]. 江偉,金忠.  中文信息學(xué)報. 2018(02)
[4]基于語義擴展與注意力網(wǎng)絡(luò)的問題細粒度分類[J]. 謝雨飛,呂釗.  計算機工程. 2019(01)
[5]中文問答社區(qū)答案質(zhì)量的評價研究:以知乎為例[J]. 王偉,冀宇強,王洪偉,鄭麗娟.  圖書情報工作. 2017(22)
[6]基于雙語信息的問題分類方法研究[J]. 徐健,張棟,李壽山,王紅玲.  中文信息學(xué)報. 2017(05)
[7]基于Web的問答系統(tǒng)綜述[J]. 李舟軍,李水華.  計算機科學(xué). 2017(06)
[8]基于用戶回答順序的社區(qū)問答答案質(zhì)量預(yù)測研究[J]. 徐安瀅,吉宗誠,王斌.  中文信息學(xué)報. 2017(02)
[9]基于問題與答案聯(lián)合表示學(xué)習(xí)的半監(jiān)督問題分類方法[J]. 張棟,李壽山,王晶晶.  中文信息學(xué)報. 2017(01)
[10]面向問答社區(qū)的中文問題分類[J]. 董才正,劉柏嵩.  計算機應(yīng)用. 2016(04)

碩士論文
[1]支持汽車維修自動問答的案例匹配方法研究[D]. 張強.電子科技大學(xué) 2019
[2]社區(qū)問答系統(tǒng)中答案排序和問題檢索算法研究與應(yīng)用[D]. 張力.中國科學(xué)技術(shù)大學(xué) 2018



本文編號：3722359