智能問(wèn)答系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、智能問(wèn)答系統(tǒng)是融合了自然語(yǔ)言處理技術(shù)和信息檢索技術(shù)的人工智能產(chǎn)品。根據(jù)目標(biāo)的不同，智能問(wèn)答系統(tǒng)被分為開(kāi)放領(lǐng)域與限定領(lǐng)域兩類。本文設(shè)計(jì)并實(shí)現(xiàn)了限定領(lǐng)域的智能問(wèn)答系統(tǒng)，并重點(diǎn)研究和改進(jìn)了相關(guān)算法。本文所實(shí)現(xiàn)的智能問(wèn)答系統(tǒng)主要包含知識(shí)庫(kù)梳理、問(wèn)題理解、問(wèn)題檢索三大模塊，涉及的技術(shù)包括排序?qū)W習(xí)、詞向量、模糊匹配、卷積神經(jīng)網(wǎng)絡(luò)、語(yǔ)言模型以及Luence。作者本人的主要工作是改進(jìn)并實(shí)現(xiàn)基于卷積神經(jīng)網(wǎng)絡(luò)的混合向量模型和排序?qū)W習(xí)模型，參與了四川省涼山州

2、政府政務(wù)智能問(wèn)答系統(tǒng)的具體實(shí)現(xiàn)。其中混合向量模型、排序?qū)W習(xí)模型的設(shè)計(jì)與實(shí)現(xiàn)由本人獨(dú)立完成，并參與了涼山州政府政務(wù)智能問(wèn)答系統(tǒng)的需求分析、詳細(xì)設(shè)計(jì)以及編碼階段。
　　基于卷積神經(jīng)網(wǎng)絡(luò)的混合向量模型，主要使用詞向量技術(shù)、卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。其中，詞向量技術(shù)源于谷歌2013年提出的word2vec開(kāi)源工具，卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的優(yōu)化目標(biāo)為間隔最大化?；旌舷蛄磕Ｐ桶▎?wèn)句向量生成模型以及答案向量生成模型，模型生成的問(wèn)句向量和答案向量并不針對(duì)某個(gè)

3、特定分類目標(biāo)，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(shí)也優(yōu)化問(wèn)題向量，通過(guò)彼此優(yōu)化的方式達(dá)成協(xié)同最優(yōu)效果，組成混合向量模型。
　　排序?qū)W習(xí)模型是一種運(yùn)用機(jī)器學(xué)習(xí)的方法解決排序問(wèn)題的模型。典型的排序?qū)W習(xí)模型分為三種，以單個(gè)文檔作為訓(xùn)練對(duì)象的PointWise模型、以文檔之間偏序關(guān)系作為訓(xùn)練對(duì)象的PairWise模型和以文檔列表作為優(yōu)化對(duì)象的ListWise模型。本文采用基于ListWise模型的L