基于领域知识的自动答题方法研究

《基于领域知识的自动答题方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于领域知识的自动答题方法研究RESEARCHONDOMAIN-DEPENDENTAUTOMATICQUESTIONANSWERINGMETHOD潘囿丞哈尔滨工业大学2016年6月国内图书分类号：TP391.3学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于领域知识的自动答题方法研究硕士研究生：潘囿丞导师：王晓龙教授申请学位：工程硕士学科：计算机技术所在单位：深圳研究生院答辩日期：2016年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP391.3UDC:621.3DissertationfortheMaster’sDegreeo

2、fEngineeringRESEARCHONDOMAIN-DEPENDENTAUTOMATICQUESTIONANSWERINGMETHODCandidate:YouchengPanSupervisor:Prof.XiaolongWangAcademicDegreeAppliedfor:Master’sDegreeofEngineeringSpeciality:ComputerTechnologyAffiliation:ShenzhenGraduateSchoolDateofDefence:June,2016Degree-Conferring-Institution:HarbinInsti

3、tuteofTechnology哈尔滨工业大学工程硕士学位论文摘要在移动互联网广泛普及的年代，人们获取信息的方式越来越便捷，对信息的需求也越来越大。为了满足不同层次的人们对于不同领域的信息需求，搜索引擎在移动互联网中面临着巨大的挑战。问答技术的日渐完善在很大程度上克服了搜索引擎显现出的弊端，使人们拥有了更加自然的人机交互方式。问答系统可以较为准确地理解人们自然语言形式的问题，并利用知识库检索即时地返回言简意赅的答案，有效地满足了人们的需求。随着人工智能、自然语言处理等相关技术的进步，针对不同的数据形态也衍生出了不同种类的问答系统。近几年，国内外诸多科研机构开始致力于类人智能技术的研究，将问

4、答相关技术应用到考试领域。本课题主要面向我国高考文综试题历史部分，利用自然语言处理、问答系统等技术搭建一个能够求解高考历史简答题的自动答题系统。本文的主要研究内容包括：数据预处理与平台搭建。本文对历年高考历史真题进行了抽样分析，对题目类型和解题难点进行了归纳总结；依据各类题目的主要问题，完成了领域知识库的数据采集和存储，搭建了历史检索系统，确保了答题系统的正常运行；针对历史题目中可能存在文言材料的问题，通过互联网渠道收集了一定规模的平行语料，完成了文言文判别模型和文言文翻译模型的训练。基于知识库的候选答案发现。为了能够准确地从知识库中得到与题目相关的文档，本文在对题目进行关键词提取、信息检

5、索、置信度计算等传统步骤之后，针对历史简答题的特殊性，尝试了基于卷积神经网络的问答匹配方法，将候选答案发现问题转化为序列预测问题，通过卷积神经网络模型做到更深层次的匹配。基于多文档的答案生成。利用知识库检索得到了包含答案要点的候选文档集合，为了从中提出了简洁、准确、符合题意的答案，本文借鉴了多文档摘要的算法思想，通过对文档集合中语句进行文本聚类生成多个簇，再利用多语句压缩方法对每个簇进行信息抽取，生成题目答案。为了便于对系统性能进行实验分析，本文建立了统一的人工评分标准，在历年高考真题上进行测试，证明了系统的有效性。关键词：自动答题；翻译模型；答案发现；文本聚类；词图-I-哈尔滨工业大学工

6、程硕士学位论文AbstractIntheeraofmobileInternet,thewaytogetinformationforpeopleismoreandmoreconvenient,andpeople’sdemandforinformationisalsogrowing.Inordertomeettheneedsofdifferentdomainsforthepeopleofdifferentlevels,searchengineisfacingenormouschallengesintheeraofmobileInternet.Thequestionansweringtechno

7、logy,whichhasexperiencedalongevolutionalprocess,canovercomethedrawbacksofthesearchenginegreatlysothatpeoplehaveamorecomfortablehuman-computerinteraction.Thequestionansweringsystemcanunderstandthenaturallanguagequ