智能問答系統(tǒng)是將自然語言技術(shù)和信息檢索技術(shù)進行深度融合的人工智能產(chǎn)品。汽車領域作為一個特殊領域,運用大數(shù)據(jù)、云計算、人工智能等前沿技術(shù)來創(chuàng)新服務和管理模式,已經(jīng)成為汽車相關(guān)行業(yè)發(fā)展新的方向。本系統(tǒng)通過爬蟲獲取網(wǎng)上公開的數(shù)據(jù),然后經(jīng)過RDF數(shù)據(jù)轉(zhuǎn)化構(gòu)建知識關(guān)系圖譜。同時,在實體識別、實體鏈接以及用戶意圖識別等問答系統(tǒng)核心部分采用深度學習結(jié)合字典匹配的模型進行實現(xiàn)。在實體識別和意圖識別算法實現(xiàn)中,使用BERT詞向量進行句子語義級別的信息利用,提高識別準確率,相對于傳統(tǒng)的Word2Vec的方法,在當前語料下,識別準確率提高約6個百分點。在此基礎上,系統(tǒng)加入對話狀態(tài)管理機制,在一定基礎上提高應答準確率。最終,經(jīng)系統(tǒng)的模塊和功能測試,系統(tǒng)表現(xiàn)出符合期望的應答準確率和負載性能。本文主要的研究工作如下:1)知識庫構(gòu)建通過爬蟲獲取互聯(lián)網(wǎng)上眾多網(wǎng)站上的汽車數(shù)據(jù),然后基于汽車領域知識調(diào)研,構(gòu)建本體,然后進行數(shù)據(jù)清洗、數(shù)據(jù)填充、知識融合等,完成知識庫的構(gòu)建工作。2)汽車領域問答系統(tǒng)核心算法設計通過汽車相關(guān)的問題獲取數(shù)據(jù),結(jié)合人工標注的方式構(gòu)建一份數(shù)據(jù)集。系統(tǒng)使用BERT訓練詞向量提升了詞向量的表征能力,改進...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

圖2-1傳統(tǒng)方法基于結(jié)構(gòu)化問答系統(tǒng)結(jié)構(gòu)圖

西南科技大學碩士學位論文6圖2-1傳統(tǒng)方法基于結(jié)構(gòu)化問答系統(tǒng)結(jié)構(gòu)圖Figure2-1Structureoftraditionalmethodbasedonstructuredquestionansweringsystem圖2-2基于深度學習的問答系統(tǒng)結(jié)構(gòu)圖Figure2-2Str....

圖2-2基于深度學習的問答系統(tǒng)結(jié)構(gòu)圖

西南科技大學碩士學位論文6圖2-1傳統(tǒng)方法基于結(jié)構(gòu)化問答系統(tǒng)結(jié)構(gòu)圖Figure2-1Structureoftraditionalmethodbasedonstructuredquestionansweringsystem圖2-2基于深度學習的問答系統(tǒng)結(jié)構(gòu)圖Figure2-2Str....

圖2-3問答系統(tǒng)框架結(jié)構(gòu)

西南科技大學碩士學位論文6圖2-1傳統(tǒng)方法基于結(jié)構(gòu)化問答系統(tǒng)結(jié)構(gòu)圖Figure2-1Structureoftraditionalmethodbasedonstructuredquestionansweringsystem圖2-2基于深度學習的問答系統(tǒng)結(jié)構(gòu)圖Figure2-2Str....

圖3-1知識圖譜構(gòu)建流程

西南科技大學碩士學位論文103汽車問答系統(tǒng)知識圖譜構(gòu)建本章的主要內(nèi)容是介紹了汽車領域知識圖譜的構(gòu)建過程。通過爬蟲技術(shù)對指定平臺的公開數(shù)據(jù)進行爬娶篩癬邏輯設計以及存儲的過程建立汽車品牌、生產(chǎn)廠商、車系以及車型之間的關(guān)系。本文知識圖譜的構(gòu)建流程如圖3-1所示：圖3-1知識圖譜構(gòu)建流程....

本文編號：3996033