基于深度神經網絡模型的非特定域中文智能問答系統研究與實現.pdf

1、智能問答系統是一種新型的信息服務系統，它綜合運用了信息檢索、自然語言處理、人工智能、語義分析等技術，可以對用戶問題做出智能準確的響應。以領域劃分可以分為特定領域和開放領域問答系統，按處理的問題類型可分為事實型問答和非事實型問答。本文設計并實現了開放域中文智能問答系統，使用不同策略處理不同類型的問題，重點研究針對非事實型問題的模板匹配和深度序列映射模型及針對事實型問題的處理流程。由于面向領域是開放域，設計的模板不可能覆蓋到所有的非事實型問

2、題，故本文引入基于深度神經網絡的序列映射模型，使用大量問答對語料訓練模型，可以學習到問題序列與答案序列之間的映射關系，相當于自主學習“模板”，一定程度上解決了模板覆蓋不足的問題。本文所實現的智能問答系統包括針對事實型問題的深度問答流程，如問題類型判斷、支持證據收集與檢索、支持證據評分、候選答案抽取與評分步驟。本文涉及到的技術包括文本預處理過程、AIML模板匹配、Lucene全文檢索、循環(huán)神經網絡及其變形長短期記憶模型、基于循環(huán)神經網絡的

3、序列映射模型。本文的主要工作和成果如下:
　　(1)構建基于循環(huán)神經網絡的序列映射模型對問答對建模，將原始輸入從稀疏詞袋向量改為稠密詞向量，設計實驗探究影響實驗結果的關鍵參數，并與全文檢索模型相比較。實驗結果表明模型生成的答案比基于Lucene檢索出的答案合理性高出14％，說明序列映射模型的確可以學習到訓練語料中某些隱藏的規(guī)則，可以對語料庫中未登陸問題產生合理響應，驗證了該方法的有效性。
　　(2)分析比較目前存在的支持證據