检索结果-南通市图书馆

检索条件"主题词=社区问答系统"

共 22 条记录，以下是21-30 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的问题标签预测研究与实现

基于深度学习的问题标签预测研究与实现

引用

作者：牛中超武汉大学

学位级别：硕士

问题标签作为社区问答系统中关键的推荐因素,如何有效且高效地对新问题和有回答的问题进行标签的推荐,成为很多社区问答系统亟待解决的难题。传统的社区问答系统,利用分词技术对问题标题和问题描述进行分词后,统计每个词在整个问题集合... 详细信息

问题标签作为社区问答系统中关键的推荐因素,如何有效且高效地对新问题和有回答的问题进行标签的推荐,成为很多社区问答系统亟待解决的难题。传统的社区问答系统,利用分词技术对问题标题和问题描述进行分词后,统计每个词在整个问题集合中的TF-IDF评分,这种方法虽然能够以比较贴合关键词和频繁标签的方式给用户推荐出部分标签,但却没有充分利用问题的标题、描述的语义和结构信息,并且在新词发现上也存在问题。本文针对无回答的问题的标签预测和有回答的标签预测问题,利用深度神经网络的深层次特征提取能力,弥补传统标签预测算法的不足。本文的主要工作如下:(1)现有的社区问答系统的问题标签推荐算法忽略了问题本身的语义和结构信息,本文从深度学习出发,利用神经网络的高层次文本特征提取能力,以弥补传统机器学习算法在文本特征提取方面的不足。(2)循环神经网络需要递归地对问题序列进行特征提取,存在着的性能问题;基于卷积神经网络的文本分类模型,在深层次网络中会出现难以收敛的问题。本文综合卷积神经网络在文本特征提取方面的能力;Highway网络可以直接将有用的特征信息直接传递到输出层,具有可以加速正样本的训练的能力以及超限学习机(Extreme Learning Machine)具有快速收敛的能力,提出融合卷积神经网络、Highway网络以及超限学习机的无回答的问题标签预测深度学习模型。在知乎数据集上的实验验证了无回答问题标签预测模型的有效性。(3)针对有回答的问题标签预测问题,现有的社区问答系统中多共用无回答的问题标签预测模型,忽略了问题的回答具有对问题进行补充说明的潜在能力。但是,在社区问答系统中,提取多个回答中的问题特征需要对回答进行多文档特征提取工作,需要大量的计算。为解决多文档提取时引入的多主题聚类及需要大量的计算时间等问题,本文利用Wilson评分算法得到置信度最高的回答,置信度最高的回答多是回答质量最高、最贴合问题的回答,将得到的基于用户投票得分最高的回答用于对问题进行补充说明。(4)得到的用户投票得分最高的回答作为问题标签预测的辅助输入,需要对回答进行摘要提取。传统的摘要提取算法主要分为提取式和摘要式,提取式的重点是找到文本中重要的句子,生成的摘要的连贯性和一致性方面无法得到保证;诸如注意力机制的式的文档摘要提取方法,能够在一定程度上实现对文本的理解,能够生成可读性较强的摘要。基于之前的工作,本文提出了利用Multi-Head Attention模型对问答的答案进行特征提取,并结合无回答的问题标签预测模型对有回答的问题进行标签预测。在知乎数据集上的实验验证了引入注意力机制的有回答问题标签预测模型的有效性。(5)将研究无回答和有回答的问题标签预测模型和问题文本预处理技术,以及其他问题标签预测系统核心模块,包括Web Server、数据缓存和负载均衡模块以及Model Server等应用于实际的问题标签预测中,设计了基于预训练模型的Restful服务框架。通过实际使用,验证了本文提出的基于深度学习的问题标签预测模型的有效性。

关键词：社区问答系统标签预测深度学习注意力模型回答摘要

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的社区问答关键技术研究

基于深度学习的社区问答关键技术研究

引用

作者：张扬北京理工大学

学位级别：硕士

随着互联网的不断发展,社区问答系统已经成为互联网用户获取信息与分享知识的重要平台。如百度知道、搜狗问问以及知乎等社区问答网站每天均有数以万计的新问题发布。目前,社区问答系统中已经积累了数以亿计的已有问题和答案对。如何更... 详细信息

随着互联网的不断发展,社区问答系统已经成为互联网用户获取信息与分享知识的重要平台。如百度知道、搜狗问问以及知乎等社区问答网站每天均有数以万计的新问题发布。目前,社区问答系统中已经积累了数以亿计的已有问题和答案对。如何更好地重复利用这些已有的知识对更好地服务互联网用户,提高用户体验,具有重要研究价值。本文的主要工作和研究内容如下:第一,提出了一种基于深度学习的句子相似度计算模型。该模型主要考虑了句子中的语义信息与结构信息。利用句法分析改进了词向量模型的语义表示,在表示语义的词向量基础上,加入了词语在句子中所承担的句法信息,并且在句子表示层加入词形相似度与句形相似度两种特征,结合深度学习算法计算两个句子之间的语义相似度。利用网络爬虫采集了大量的社区问题对并通过百度短文本相似度API进行标注,最终训练出一个可以用于计算两个句子相似度的模型。第二,提出了一种基于模板挖掘的问题类型判断方法。该方法首先利用同义词词林中的标准词替换句子中的词语,再利用实体识别方法,识别出句子中的实体,利用实体概念词典将句子中的实体替换成对应的概念,生成语义模板。然后通过信息熵对模板进行筛选,挖掘出高质量的问题类型模板。同时,利用NLPCC提供的问答训练集,提出了一种模板自动标注的方法。第三,在研究了社区问答关键技术的基础上,设计并实现了一套开放领域的基于深度学习的社区问答系统。该系统可以根据用户输入,在社区问答语料库中寻找到相似问题的答案作为回答返回给用户,可以显著提高用户的知识获取效率。此外,由于本文中所提出的方法没有限定应用领域,故具有良好的通用性,不受领域的限制,可以通过不断扩充问答语料库的方式使问答系统可以回答更多的问题更好的服务于用户。

关键词：社区问答系统深度学习句子相似度依存句法问题类型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共3页 << < 1 2 3 > >> 跳转到页

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：