汽车领域智能问答系统设计与实现

作     者：谭乾鸿 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：涂刚

授予年度：2022年

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：智能问答系统 阅读理解 信息检索 语法纠错 文本相似度算法 

摘      要：在汽车客服领域,线上用户数量迅速增长,造成在线客服工作量激增。智能问答系统可大量减少在线客服工作量,为用户提供汽车问答服务,但仍然存在以下问题:(1)在高并发请求条件下,系统响应时间无法满足系统线上低延时的需求。(2)系统与汽车领域数据融合不够紧密,导致返回的答案不精准。为了提高汽车领域智能问答系统的性能及准确率,结合自然语言处理和信息检索技术,设计并实现了多层次并行集群系统结构,以提升系统性能。系统由3类集群组成,包括问答系统集群、倒排索引表集群和阅读理解模型集群。同时,设计并实现了基于汽车领域实体名称嵌入的阅读理解(RCAEE)模型,以提升答案准确率。首先,设计了问句输入和答案展示模块,为用户提供可视化交互页面,完成问题的发送及答案的展示。同时,将问题发送给问答系统集群上的问答服务,由问答服务实现系统后续所有功能。其次,设计了问句语义分析模块,对问题进行预处理操作,并纠正问题中的文本错误,同时,抽取问题中的汽车实体,为答案生成提供依据。再次,设计了答案检索算法,从倒排索引表集群中检索出候选答案,缩小答案范围,并借助文本相似度算法,对候选答案进行精排操作,进一步缩小答案范围。接着,使用设计的阅读理解模型,获取精准答案,并将阅读理解模型部署在阅读理解模型集群上,调用集群上的模型,以减少系统响应时间。最后,设计了问句答案生成模块,根据获取的精准答案,结合匹配的问句模板和抽取的汽车实体,生成最终答案。实际系统测试结果表明,在标注的6182条汽车问答测试数据集上,系统获得86.21的F得分。在50并发请求条件下,测试1000次接口,平均响应时间为192ms。系统在功能和性能上满足应用需求。此外,在汽车问答测试数据上,RCAEE模型相比阅读理解SOTA模型,F高0.65个点,EM高1.05个点。