隨著互聯(lián)網(wǎng)的普及,數(shù)據(jù)量的飛速增長使信息越來越多,人們對信息的精準度要求也越來越高。傳統(tǒng)的搜索引擎基于關(guān)鍵詞檢索,返回的是排序后的相關(guān)文檔,仍需用戶手動檢索出答案。區(qū)別于傳統(tǒng)搜索引擎,問答系統(tǒng)能夠接收自然語言問題,并返回簡潔而準確的答案。面向知識圖譜的問答系統(tǒng)是問答系統(tǒng)的重要分支,它能夠根據(jù)知識圖譜中的結(jié)構(gòu)化知識回答自然語言問題。知識圖譜需要特定的查詢語句進行訪問,由于自然語言與結(jié)構(gòu)化查詢難以直接對應,該映射過程成為研究中的難點�；谝�(guī)則和詞匯映射的解決方案需要大量人力,覆蓋率較低且缺乏靈活性。傳統(tǒng)的機器學習依賴于人工制定特征的有效性,效果仍有待提升。近年來,深度學習發(fā)展迅猛,為自然語言處理領(lǐng)域帶來了諸多突破,其中基于神經(jīng)網(wǎng)絡的序列到序列模型被證實在序列轉(zhuǎn)化任務中具有顯著的效果。本文依托深度學習的序列到序列模型將問題映射為知識圖譜查詢語句,在此基礎(chǔ)上本文設計并實現(xiàn)了基于深度學習的知識圖譜問答系統(tǒng)。本文的系統(tǒng)劃分為Web服務模塊、問題預處理模塊、問題理解模塊、查詢語句生成模塊、答案生成模塊以及系統(tǒng)日志與知識圖譜存儲模塊。問題預處理模塊對問題進行句法分析、實體識別等。問題理解和查詢語句生成...

【文章頁數(shù)】：76 頁

【學位級別】：碩士

本文編號：3878098