基于語料庫學習的多主題自動問答系統(tǒng)研究.pdf

1、自動問答系統(tǒng)是當前人工智能應(yīng)用的一個重要領(lǐng)域。自動問答系統(tǒng)是能夠接受并理解用戶輸入的問題，針對問題在知識庫中搜索答案，并將答案以自然語言的形式返回給用戶的交互式系統(tǒng)。自動問答系統(tǒng)在文本搜索、自動客戶服務(wù)、電子娛樂、電子商務(wù)等多個領(lǐng)域的廣泛應(yīng)用極大的改善了用戶體驗，提高了服務(wù)效率。 本文對基于多Agent的具有機器學習能力的自然語言對話系統(tǒng)進行了理論研究和實驗，通過對實驗數(shù)據(jù)的理論分析，提出了新的系統(tǒng)架構(gòu)和算法。 本文重點

2、對以下幾個方面進行了研究，并提出了新的見解和創(chuàng)新： (1)研究了基于語料庫機器學習的自然語言處理技術(shù)，包括HMM (Hidden Markov Model，隱馬爾可夫模型)概率標注模型、圖句法分析、詞典和句法規(guī)則的自然語言處理算法等。將這些算法應(yīng)用到問答系統(tǒng)中，擴展了對話管理模塊，提高了問答系統(tǒng)對于復(fù)雜用戶輸入的處理能力。為了解決句法分析器的效率問題，本論文對語料庫學習算法進行了改進，并且提出了P-T性能指標和R-T性能指標作為

3、衡量不同分析器效率的參數(shù)。這些改進使得句法分析器滿足了系統(tǒng)對分析耗時少的需求。 (2)對自然語言處理和語義分析技術(shù)進行了研究。為了實現(xiàn)對自然語言語句高效的語義分析，定義了對句法分析樹進行語義分析的一些概念，包括槽描述、槽有關(guān)和語義塊歧義，從而實現(xiàn)對話的語義塊識別、主題識別和對話信息提取，提高了問答系統(tǒng)對復(fù)雜用戶輸入的處理能力，克服了傳統(tǒng)方法(比如模式匹配)的不足。 (3)提出了新的基于多Agent的服務(wù)注冊式分布式自動問

4、答系統(tǒng)架構(gòu)。該架構(gòu)將傳統(tǒng)問答系統(tǒng)的單機結(jié)構(gòu)擴展到了分布式架構(gòu)上，使得各個組成部分的負載較低，并可以通過多Agent的合作來完成問答任務(wù)。并且該架構(gòu)采用了平臺無關(guān)的Web Service技術(shù)作為實現(xiàn)技術(shù)，使得基于不同平臺的Agent可以在該架構(gòu)框架中同時工作。該架構(gòu)的這些優(yōu)點使得問答系統(tǒng)的可擴展性、跨平臺能力、系統(tǒng)兼容能力、應(yīng)用能力都有了很大的提高，拓展了自動問答系統(tǒng)的應(yīng)用范疇。 此外，本文還對問答系統(tǒng)的所有必要構(gòu)成模塊進行了研究