版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、自動問答系統(tǒng)能夠根據(jù)用戶輸入的自然語言問題,直接返回精確的答案。本文的研究方向是基于非結構化文檔的開放域自動問答系統(tǒng),其特點是背后的數(shù)據(jù)源是非結構化的文檔庫,面向的問題是通用問題,并不局限于某個領域。典型的基于非結構化文檔的開放域自動問答系統(tǒng)一般由問題處理模塊、文檔處理模塊和答案處理模塊三個部分組成,其主要存在兩個問題,第一是文檔處理模塊返回的段落候選集規(guī)模過大導致答案處理模塊準確率降低。第二是基于規(guī)則的答案抽取過于繁瑣,靈活性差。針對
2、第一個問題,使用句子篩選和句子排序模塊將段落候選集縮減為單個的答案句子。針對第二個問題,使用端到端的深度神經(jīng)網(wǎng)絡模型代替?zhèn)鹘y(tǒng)的基于規(guī)則的答案抽取算法。
本研究針對句子篩選模塊,改進了一種計算文檔相似度的算法Word Mover'sDistance(WMD),并提出了一種將BM25和WMD結合的混合模型。分別進行了文檔分類和文本排序實驗。實驗結果表明,改進后的WMD算法和混合模型比其他基準算法有更好的效果。針對句子排序模塊,設計
3、了五種特征來衡量問句和候選答案句子之間的相關性,并以此相關性得分對候選答案句子進行排序。這些特征包含了不同的級別。該模型稱為Multiple Level Feature Rank(MLFR)模型。測試并對比了若干基于深度神經(jīng)網(wǎng)絡的句子排序模型。實驗結果表明,MLFR模型有更好的排序效果。最后,引入了一個端到端的深度神經(jīng)網(wǎng)絡模型用于答案抽取,并將此模型與前面的句子篩選和句子排序模塊組合在一起,設計實驗進行了整體的性能評估。本文對典型的基于
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 開放域的自動問答系統(tǒng)的研究.pdf
- 基于FAQ的自動問答技術研究.pdf
- 面向客服的自動問答系統(tǒng)關鍵技術研究.pdf
- 非結構化病歷文檔結構化轉換方法研究.pdf
- 基于本體的自動問答系統(tǒng).pdf
- 非結構化醫(yī)療文檔的結構化處理與系統(tǒng)實現(xiàn).pdf
- 基于問題模式分類的自動問答技術研究與應用.pdf
- 非結構化文檔數(shù)據(jù)一體化存儲檢索技術研究.pdf
- 基于語義Web技術的非結構化文檔管理方法研究.pdf
- mba論文面向客服的自動問答系統(tǒng)關鍵技術研究pdf
- 基于Web的中文自動問答系統(tǒng)的研究.pdf
- 面向開放域的問答系統(tǒng)答案獲取技術研究與實現(xiàn).pdf
- 面向開放域的中文問答系統(tǒng)問句處理相關技術研究.pdf
- 基于知識的自動問答研究.pdf
- 基于本體的自動問答客服系統(tǒng)研究.pdf
- 基于潛在語義分析的自動問答系統(tǒng).pdf
- 非結構化數(shù)據(jù)結構化存儲中的查詢語句重寫技術研究.pdf
- 基于信息融合非結構化道路檢測技術研究.pdf
- 非結構化對等點播分發(fā)技術研究.pdf
- 基于LDA模型的領域自動問答系統(tǒng).pdf
評論
0/150
提交評論