基于地质文献的智能问答算法研究及实现

作     者：贺金龙 

作者单位：中国科学院大学(中国科学院大学工程科学学院） 

学位级别：硕士

导师姓名：姚郑

授予年度：2020年

学科分类：0709[理学-地质学] 07[理学] 08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：知识图谱 实体识别 用户意图 属性映射 智能问答 

摘      要：近年来,随着国家科技创新建设的不断发展,在地质风险防范及应用示范中不断探索,国土资源部以及中国地质调查局在国家“十三五计划的基础上创新性提出三步走方案,围绕国家科技战略在地质领域促进经济的快速发展与科技服务创新,利用科技力量来解决环境问题及地球系统安全问题。当前,在地质挖掘发现中,PB级别的电子文档、文本等非结构化离散数据对于地质检索及统计发现非常不利,同时,随着国家经济水平提升,民众对于服务的高效率渴求愈加提升,所以为满足国家科技创新战略部署及人民生活质量渴求,中国地质调查局针对地质知识发现提出建设基于地质文献的知识发现辅助决策平台,本文在知识发现过程中以地质知识智能问答服务为切入点进行地质领域知识关联的辅助决策支撑与知识服务研究,研究工作包括以下三个方面:(1)从询问语句信息中进行命名实体识别。针对问答系统中用户询问的地质知识使用基于网格的LSTM模型进行地质领域的命名实体识别,包括从地质化学到生物昆虫的地质信息,进而实现知识图谱的节点信息映射。(2)对询问语句信息进行除地质实体外的用户意图判断。使用基于字符的卷积神经网络CNN对用户询问信息中除命名实体识别部分的信息进行属性分类,包括从定义、属性标签、关系到知识推理的14种类型,进而实现用户意图。(3)问答平台的架构设计及应用实现。利用Python的Web轻量开发框架对文献数据进行处理存储,进而实现了关于地质问答辅助决策的服务平台。针对传统基于模板匹配、关键词共现、人工特征集合等方法的问答机器人存在的用户意图识别耗时、费力且扩展性不强问题,本文的混合模型将用户询问意图识别看作分类问题,首先使用网格记忆网络进行文本信息的命名实体识别,然后使用卷积神经网络将用户输入的其他文本信息进行属性分类,接着将分类结果转化为满足知识图谱查询的结构化方式,最终实现属性映射的用户意图识别。实验表明,该混合模型重点考虑研究对象的特点,有效提高了问答系统意图识别的准确率。