發(fā)布時間：2021-10-14 21:35

　　近些年來,伴隨著互聯(lián)網技術的迅猛發(fā)展,互聯(lián)網上的信息呈指數級的增長,這些豐富多彩的信息增強了用戶在互聯(lián)網世界獲取到大部分知識的可能性,但同時也導致用戶從中獲取有效信息的效率越來越低,所以人們希望快速獲取有效信息的呼聲越來越高。于是問答系統(tǒng)應運而生,它有別于返回一系列文檔或網頁的傳統(tǒng)搜索引擎,可以理解用戶的搜索意圖,并在極短時間內給出一個簡明扼要的答案,問答系統(tǒng)也因此成為人工智能研究熱潮之一。本文在分析知識圖譜問答系統(tǒng)相關技術的基礎上,深入研究實體和關系抽取、候選實體排序以及知識表示學習技術,并在傳統(tǒng)經典模型和算法上進行改進,給出本文的創(chuàng)新模型和算法,并將之用于真實數據中,構建出本文的基于中文知識圖譜的問答系統(tǒng),具體的工作如下:（1）在信息抽取任務中,傳統(tǒng)的串行式方法將其分為實體抽取和關系抽取兩個子任務,這種方法存在誤差累計和信息利用率低的缺點,所以本文提出BA-IE模型,它采用Bi-GRU提升模型的訓練速度,同時引入注意力機制增強模型對問句的語義理解能力,最終實現實體與關系的聯(lián)合抽取,并在公開數據集上進行對比驗證,證明了本文提出的模型在信息抽取任務中具有良好的表現。（2）在實際應用中,... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：100 頁

【學位級別】：碩士

【部分圖文】：

Word2Vec語言模型的詞向量測試圖

實體距離與關系采樣的測試圖

迭代次數與準確率和召回率之間的測試圖

【參考文獻】：
期刊論文
[1]知識圖譜研究進展[J]. 漆桂林,高桓,吳天星.  情報工程. 2017(01)
[2]知識圖譜技術綜述[J]. 徐增林,盛泳潘,賀麗榮,王雅芳.  電子科技大學學報. 2016(04)
[3]知識表示學習研究進展[J]. 劉知遠,孫茂松,林衍凱,謝若冰.  計算機研究與發(fā)展. 2016(02)
[4]知識圖譜的技術實現流程及相關應用[J]. 曹倩,趙一鳴.  情報理論與實踐. 2015(12)
[5]問答系統(tǒng)綜述[J]. 李沛晏,朱露,吳多勝.  數字技術與應用. 2015(04)
[6]神經網絡綜述[J]. 巫影,陳定方,唐小兵,朱石堅,黃映云,李慶.  科技進步與對策. 2002(06)

碩士論文
[1]基于深度學習的自然語言處理中問題分析的研究[D]. 程穎濤.西安郵電大學 2018
[2]基于閱讀理解的知識問答系統(tǒng)設計與實現[D]. 張帥帥.電子科技大學 2018
[3]基于網絡評論的情感分類技術的研究及應用[D]. 郭捷.電子科技大學 2018



本文編號：3436852