基于T-CRFs模型語(yǔ)義標(biāo)注在智能問(wèn)答系統(tǒng)中的應(yīng)用研究.pdf

1、智能問(wèn)答近年來(lái)非常受人追捧，因其回復(fù)結(jié)果準(zhǔn)確直接，也一直是自然領(lǐng)域處理的熱點(diǎn)。自騰訊公司推出微信產(chǎn)品之后，智能問(wèn)答服務(wù)代替人工客服的需求越來(lái)越旺盛。而市面的一些所謂智能問(wèn)答只是基于關(guān)鍵字、關(guān)鍵字堆砌來(lái)實(shí)現(xiàn)的，根本沒(méi)辦法做到了解用戶意圖，做到精準(zhǔn)回答的目的。本文的研究能夠提高智能問(wèn)答系統(tǒng)在某些領(lǐng)域的用戶理解、問(wèn)答精準(zhǔn)率和問(wèn)答效率。
　　本文使用依存句法分析，抽取了依存樹(shù)中父節(jié)點(diǎn)和子節(jié)點(diǎn)層面的特征，在T-CRFs模型中進(jìn)行訓(xùn)練，使得標(biāo)

2、注結(jié)果在詞與詞性層面特征的基礎(chǔ)上有一定程度的改善。實(shí)驗(yàn)選用上海好問(wèn)角網(wǎng)絡(luò)科技有限公司的漢語(yǔ)框架網(wǎng)絡(luò)知識(shí)庫(kù)中的“購(gòu)買”框架下的句子庫(kù)，加入父節(jié)點(diǎn)和子節(jié)點(diǎn)相關(guān)特征的最優(yōu)模板，框架元素自動(dòng)標(biāo)注結(jié)果的準(zhǔn)確率73.62％，召回率48.26％，F(xiàn)值為58.30％。而與“購(gòu)買”框架領(lǐng)域相關(guān)的智能問(wèn)答系統(tǒng)在精準(zhǔn)率和回答速率上面均有了顯著的提升。
　　本文直接從語(yǔ)義標(biāo)注方面來(lái)解決智能問(wèn)答知識(shí)庫(kù)的標(biāo)注問(wèn)題和智能問(wèn)答精準(zhǔn)率和回答速率的問(wèn)題。語(yǔ)義標(biāo)注在問(wèn)

3、答系統(tǒng)的問(wèn)句的匹配、答案抽取過(guò)程起到至關(guān)重要的作用，同時(shí)也是智能問(wèn)答系統(tǒng)能否理解用戶意圖和答案能夠精準(zhǔn)呈現(xiàn)的關(guān)鍵過(guò)程。本文在對(duì)應(yīng)用的知識(shí)庫(kù)進(jìn)行語(yǔ)義標(biāo)注模型中引入依存句法分析和T-CRFs模型，使得實(shí)驗(yàn)最終在準(zhǔn)確率、召回率和F值均有明顯提升的漢語(yǔ)框架網(wǎng)絡(luò)知識(shí)庫(kù)應(yīng)用到智能問(wèn)答系統(tǒng)中，來(lái)驗(yàn)證智能問(wèn)答系統(tǒng)在精準(zhǔn)率和問(wèn)答速率上面的提升。
　　將漢語(yǔ)框架網(wǎng)絡(luò)知識(shí)庫(kù)進(jìn)行漢語(yǔ)框架語(yǔ)義標(biāo)注應(yīng)用到智能問(wèn)答系統(tǒng)中，可以解決目前問(wèn)答系統(tǒng)不能夠理解用戶意圖