智能問答系統(tǒng)的設計與實現(xiàn).pdf

1、智能問答系統(tǒng)是融合了自然語言處理技術和信息檢索技術的人工智能產(chǎn)品。根據(jù)目標的不同，智能問答系統(tǒng)被分為開放領域與限定領域兩類。本文設計并實現(xiàn)了限定領域的智能問答系統(tǒng)，并重點研究和改進了相關算法。本文所實現(xiàn)的智能問答系統(tǒng)主要包含知識庫梳理、問題理解、問題檢索三大模塊，涉及的技術包括排序學習、詞向量、模糊匹配、卷積神經(jīng)網(wǎng)絡、語言模型以及Luence。作者本人的主要工作是改進并實現(xiàn)基于卷積神經(jīng)網(wǎng)絡的混合向量模型和排序學習模型，參與了四川省涼山州

2、政府政務智能問答系統(tǒng)的具體實現(xiàn)。其中混合向量模型、排序學習模型的設計與實現(xiàn)由本人獨立完成，并參與了涼山州政府政務智能問答系統(tǒng)的需求分析、詳細設計以及編碼階段。
　　基于卷積神經(jīng)網(wǎng)絡的混合向量模型，主要使用詞向量技術、卷積神經(jīng)網(wǎng)絡技術。其中，詞向量技術源于谷歌2013年提出的word2vec開源工具，卷積神經(jīng)網(wǎng)絡技術的優(yōu)化目標為間隔最大化?；旌舷蛄磕Ｐ桶▎柧湎蛄可赡Ｐ鸵约按鸢赶蛄可赡Ｐ?，模型生成的問句向量和答案向量并不針對某個

3、特定分類目標，而是不同種類的向量彼此之間的間隔最大化。答案向量生成模型在優(yōu)化答案向量的同時也優(yōu)化問題向量，通過彼此優(yōu)化的方式達成協(xié)同最優(yōu)效果，組成混合向量模型。
　　排序學習模型是一種運用機器學習的方法解決排序問題的模型。典型的排序學習模型分為三種，以單個文檔作為訓練對象的PointWise模型、以文檔之間偏序關系作為訓練對象的PairWise模型和以文檔列表作為優(yōu)化對象的ListWise模型。本文采用基于ListWise模型的L