【摘 要】
：
随着互联网技术给人们生活带来的便捷性不断提升,人类对网络信息的依赖也逐渐加深、诉求不断增多。传统人工网络后台服务方式,已难以满足海量用户全时全方位咨询、投诉等应用需求,因此基于网络的自动问答模式俨然已成为当下网络的一种主流服务方式。受限于当前自动问答算法多是基于选择匹配的方式实现,问答匹配度低、解答方式简单,与实现“因问而异”、“以问解问”的目标需求,尚有很大差距。为解决上述问题,本文提出一种基于
【基金项目】
：
国家自然科学基金项目（批准号:61976032）“多目标协同下语义化扩展的知识图谱补全机理及应用模式”中“语义化知识图谱的多目标协同优化的补全机理”科学问题研究的一部分,2020.1-2023.12,负责人:李冠宇；
论文部分内容阅读
随着互联网技术给人们生活带来的便捷性不断提升,人类对网络信息的依赖也逐渐加深、诉求不断增多。传统人工网络后台服务方式,已难以满足海量用户全时全方位咨询、投诉等应用需求,因此基于网络的自动问答模式俨然已成为当下网络的一种主流服务方式。受限于当前自动问答算法多是基于选择匹配的方式实现,问答匹配度低、解答方式简单,与实现“因问而异”、“以问解问”的目标需求,尚有很大差距。为解决上述问题,本文提出一种基于注意力和组合神经网络的知识问答方法,通过信息提取、语义推理、和智能匹配等一系列信息处理方式,并以中文医疗问答为应用实例,实现匹配度更高、问答能力更强的一种知识自动问答模式。本文的主要工作如下:1.针对知识问答数据信息量复杂、多变,给出一种基于语义分析的数据预处理方法,即通过对文本“字嵌入”和“词嵌入”处理生成统一向量,给出该处理方式以及应用特性,为进一步知识问答匹配提供数据基础。2.针对传统知识问答匹配算法模型简单,问答匹配度不高,提出基于字词向量优选的组合神经网络知识问答匹配模型,通过对比单一神经网络的知识问答模型表明,该模型匹配精度大大提升,且对数据集适应性强。3.针对神经网络模型对问答句子信息利用不全面的问题,提出BiGRU-CNN神经网络与注意力记忆跟踪机制结合的方法,以cMedQA医疗问答数据集为实验,实验表明,该知识问答匹配算法精确度更佳,可有效支持重点信息的关注度。
其他文献
微颗粒存在于生活中的各个领域,在海洋生态领域中,微塑料会严重威胁海洋中生物和人类的生命健康。在船舶运输领域中船舶压载水携带的微藻细胞会严重影响当地的水域生态系统,因此微颗粒的检测对人类的生命健康和海洋生态系统平衡都具有非常重要的意义,而传统的微颗粒检测设备由于其操作复杂、体积较大、价格昂贵等因素不适合对微颗粒的快速检测,因而研发一套便携、高效的微颗粒检测设备具有十分重要的意义。本文提出了一种基于多
在这个网络资源膨胀的时代,网络上的数据呈现出数据量大、表达多样和价值密度低等特征,数据的歧义性影响人们对于信息的辨别和理解。为了解决实体的语义歧义问题,实体链接技术被提出,其目标是根据文档中指称的上下文语义信息,链接一个文档的指称到一个知识库的相应实体。为了提高链接的准确率,实体链接方法需要同时考虑指称和候选实体之间的局部兼容性以及与文档中其它实体之间的一致性。本文针对当前大多数实体链接方法在获取
在移动互联网和大数据迅速发展的时代,海量数据都是以自然语言的形式进行存储,这些数据蕴含着巨大的价值,但同时又存在大量歧义性。词义消歧可增强计算机使用和理解自然语言的能力,在机器翻译、文本分类、信息检索等领域应用越来越广泛。词义消歧已经演变成自然语言处理中亟待解决的重要课题。本文针对在整合词典知识的神经网络词义消歧模型中,存在忽略歧义词上下文和词义定义间层级交互作用的问题,构建基于混合神经网络的多粒
图像配准在许多计算机视觉任务中起着重要的作用,例如海冰漂移跟踪等研究。但是图像受光照或成像条件等因素的影响,会产生一定的非线性变化灰度差异。例如遥感图像间由于数据来源、极化方式、分辨率等存在较大差异,使得待配准图像具有不同程度的非线性变化灰度差异。甚至于在不同光谱、不同波段的遥感图像中出现局部反色的情况。这种灰度差异往往呈现非线性变化,导致提取的同位置特征不能有效的进行匹配。针对非线性变化灰度差异
为了辅助解决人口老龄化带来的人力不足问题,智能家居中的老年人日常行为识别系统应运而生。研究者通过在老年人的居住环境中部署相关传感器,获取其日常活动——比如睡觉、吃饭、吃药等信息,并利用行为识别知识处理这些信息,识别老年人日常行为,及时发现老年人日常行为中的异常。近年来,研究者们在智能家居日常行为识别领域取得了一定的成绩,但是还存在一些问题:（1）以往的研究方法大多统计传感器出现的频次,把频次进行相
强化学习是人工智能研究领域中一个热门的方向,被广泛应用在机器人控制,人机交互等领域。深度强化学习将深度神经网络与强化学习相结合,在原有的强化学习方法上对智能体以及环境的预输入做特征提取。Actor-Critic算法作为深度强化学习的一个经典算法,在解决连续空间的问题上有着良好的表现。但是传统的Actor-Critic算法中Critic网络使用的是单一的Q-learning输出序列,智能体状态和动作
随着近年来互联网数据的海量增长以及人工智能的发展,知识图谱以强大的语义处理能力和数据互联能力为数据提供了一种新的表达、组织管理和挖掘方式。但是,构建数据嘈杂和信息抽取过程不确定,导致现有知识图谱通常存在缺失现象,因此推理知识图谱以补全具有重要研究意义。知识表示学习,作为知识图谱推理的常用手段,基于潜在特征,在计算效率上具有明显优势,但学习过程仅利用三元组信息,嵌入结果对样本数量和质量有一定依赖,稀
图像语义分割技术是计算机视觉领域一项相对基础且具有挑战性的工作,其任务是为图像中每个像素分配相对应的类别标签。现如今,深度卷积神经网络已经成为图像语义分割的主流方法,基于深度神经网络的语义分割算法大多通过堆叠大量卷积层来提高模型分割精度,但面临分割算法参数量大、分割延迟等问题,不适用于实时分割场景。同时,很多实时语义分割算法为追求速度提升,致力于减少网络参数导致分割效果难以达到应用要求。本文基于深
交通拥堵是大多数城市都存在的问题,自适应交通信号控制是减缓交通拥堵最有效的方式之一。自适应交通信号控制问题（ATSC）可以被建模为城市交叉口之间的多智能体合作博弈,其中交叉口相互合作以优化城市的交通状况。近年来,强化学习（RL）在处理序列决策问题上取得了显著的成就,可以很好的应用于ATSC中。因此,本文将多智能体强化学习应用于交通信号控制问题优化车辆的旅行时间。首先,真实交通控制环境中,交叉口的观
随着海上运输业的快速发展,我国沿海已成为水上交通最繁忙的区域之一。沿海区域交通密度的不断增大对船舶航行安全提出了更高要求。航线规划作为船舶安全航行的基础和前提,在航运业中起着关键作用。现有的沿海船舶航线规划方法较少考虑实际航行规范和避碰规则,导致规划出的航线无法很好地应用于实际环境。综合考虑船舶航行的安全性、经济性与时效性等因素,对沿海船舶航线规划方法进行深入研究,有助于提高沿海船舶航线规划的整体