基于T-CRFs模型語義標注在智能問答系統(tǒng)中的應(yīng)用研究.pdf

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

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。實驗選用上海好問角網(wǎng)絡(luò)科技有限公司的漢語框架網(wǎng)絡(luò)知識庫中的“購買”框架下的句子庫，加入父節(jié)點和子節(jié)點相關(guān)特征的最優(yōu)模板，框架元素自動標注結(jié)果的準確率73.62％，召回率48.26％，F(xiàn)值為58.30％。而與“購買”框架領(lǐng)域相關(guān)的智能問答系統(tǒng)在精準率和回答速率上面均有了顯著的提升。
　　本文直接從語義標注方面來解決智能問答知識庫的標注問題和智能問答精準率和回答速率的問題。語義標注在問

3、答系統(tǒng)的問句的匹配、答案抽取過程起到至關(guān)重要的作用，同時也是智能問答系統(tǒng)能否理解用戶意圖和答案能夠精準呈現(xiàn)的關(guān)鍵過程。本文在對應(yīng)用的知識庫進行語義標注模型中引入依存句法分析和T-CRFs模型，使得實驗最終在準確率、召回率和F值均有明顯提升的漢語框架網(wǎng)絡(luò)知識庫應(yīng)用到智能問答系統(tǒng)中，來驗證智能問答系統(tǒng)在精準率和問答速率上面的提升。
　　將漢語框架網(wǎng)絡(luò)知識庫進行漢語框架語義標注應(yīng)用到智能問答系統(tǒng)中，可以解決目前問答系統(tǒng)不能夠理解用戶意圖