检索结果-南通市图书馆

融合历史答案特征的多粒度语义交互答案排序方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第7期45卷 1989-1996页

作者：崔伟琪严馨刘艳超邓忠莹徐广义昆明理工大学信息工程与自动化学院云南昆明650504 昆明理工大学云南省人工智能重点实验室云南昆明650504 湖北工程学院信息技术中心湖北孝感432000 云南南天电子信息产业股份有限公司昆明南天电脑信息系统有限公司云南昆明650040

为解决只根据单一特征判断答案质量的问题,提出一种结合历史答案特征及多粒度语义交互判断答案质量的排序方法。通过指针网络提取历史答案特征,用动态注意力剔除掉问答对及历史答案的弱相关部分,采用比较聚合池化提取局部语义特征向量,... 详细信息

为解决只根据单一特征判断答案质量的问题,提出一种结合历史答案特征及多粒度语义交互判断答案质量的排序方法。通过指针网络提取历史答案特征,用动态注意力剔除掉问答对及历史答案的弱相关部分,采用比较聚合池化提取局部语义特征向量,用池化归纳问答对及历史答案句子信息,通过加权求和提取全局语义特征向量。将问答对及历史答案的局部和全局语义特征向量融合,输入到分类器进行打分,按照得分对候选答案排名。实验结果表明,所提方法有效提升了答案选择的正确率。

关键词：答案排序多粒度语义交互注意力机制指针神经网络预训练模型长短期记忆网络深度学习

在线全文

学校读者我要写书评

暂无评论

基于语法分析和统计方法的答案排序模型

中文信息学报 2009年第2期23卷 23-27,47页

作者：李波高文君邱锡鹏复旦大学计算机科学与工程系上海200433

该文描述了一种构建问答式检索系统中答案排序模型的新方法。该方法结合了基于密度方法的度量特征和外部知识库,并且引入了基于语法分析方法的语法关键路径的新特征,使用支持向量机回归模型训练评估函数。实验证明,引入了上述语法关键... 详细信息

该文描述了一种构建问答式检索系统中答案排序模型的新方法。该方法结合了基于密度方法的度量特征和外部知识库,并且引入了基于语法分析方法的语法关键路径的新特征,使用支持向量机回归模型训练评估函数。实验证明,引入了上述语法关键路径特征后的新答案排序模型的排序性能有了明显提高。

关键词：计算机应用中文信息处理自动问题回答语法关键路径答案排序支持向量机

在线全文

学校读者我要写书评

暂无评论

基于语义情感相似度的问答社区答案排序研究

情报科学 2018年第8期36卷 72-76,83页

作者：程亚男王宇大连理工大学管理与经济学部辽宁大连116024

【目的/意义】目前问答社区答案数量多且篇幅长,对答案进行重新排序和组织可以方便用户高效获取答案信息。【方法/过程】针对答案文本的特点,提出基于答案相似度对社区答案进行重新组织、排序的方法。该方法定义答案文本语义云和情感云... 详细信息

【目的/意义】目前问答社区答案数量多且篇幅长,对答案进行重新排序和组织可以方便用户高效获取答案信息。【方法/过程】针对答案文本的特点,提出基于答案相似度对社区答案进行重新组织、排序的方法。该方法定义答案文本语义云和情感云,利用标签传播算法计算出词典中不存在的词语语义和情感相似度,即云滴值,然后每个答案形成多片语义云和一片情感云,通过计算答案云间相似度得到答案文本间的相似度。最后,结合答案"赞"数对答案进行重新排序。【结果/结论】通过实验的人工评价,发现与基于"赞"数排序相比,基于语义情感相似度的答案排序方法与人工排序相似度更高,更能满足社区用户需求。

关键词：问答社区答案排序标签传播云模型

在线全文

学校读者我要写书评

暂无评论

融合多种神经网络与多特征的答案排序方法

计算机工程与设计 2021年第3期42卷 846-852页

作者：王龙段利国李爱萍太原理工大学信息与计算机学院山西太原030024 武汉大学软件工程国家重点实验室湖北武汉430072

针对答案排序问题,提出并构建融合多种神经网络与多特征的答案排序模型。将问题和候选答案的词向量送入使用Leaky Relu激活函数的卷积神经网络进行学习,得到的学习结果与词汇特征、主题特征等相互拼接,输入到双向门控循环单元,其输出结... 详细信息

针对答案排序问题,提出并构建融合多种神经网络与多特征的答案排序模型。将问题和候选答案的词向量送入使用Leaky Relu激活函数的卷积神经网络进行学习,得到的学习结果与词汇特征、主题特征等相互拼接,输入到双向门控循环单元,其输出结果经由多层感知器进行处理后,通过softmax分类器得出最终答案排序的结果。实验结果表明,该模型在WikiQACorpus数据集上取得了较好实验结果,准确率略高于已有基线模型,达到74.43%。

关键词：多特征答案排序 Leaky Relu激活函数卷积神经网络双向门控循环单元

金融知识自动问答中的新词发现及答案排序方法

在线全文

学校读者我要写书评

暂无评论

金融知识自动问答中的新词发现及答案排序方法

作者：张长哈尔滨工业大学

学位级别：硕士

随着自动问答系统的深入研究和广泛应用,问答系统开始呈现领域化和专业化的趋势。与一般的开放型自动问答不同,限定领域内会出现许多不存在于分词器词库中的领域新词,这些新词的存在会使得当在限定领域中使用通用分词器对句子进行分词时... 详细信息

随着自动问答系统的深入研究和广泛应用,问答系统开始呈现领域化和专业化的趋势。与一般的开放型自动问答不同,限定领域内会出现许多不存在于分词器词库中的领域新词,这些新词的存在会使得当在限定领域中使用通用分词器对句子进行分词时,由于分词器原本词库的不完整而导致其被切分为多个部分,造成词语的不连贯,影响使用领域语料进行词向量的训练效果。指定领域问答在问题类型上,往往夹杂着结构化数据问题和自由文本类问题,但不同类型的问题其答案抽取方法却不尽相同。在候选答案抽取方面,以往的问答系统大多是基于句子中词向量在向量空间中的距离来进行候选答案的排序和检索,但是此方法仅考虑了词汇之间的相互关系,却忽略了每个词在句子中的权重以及由于词性差异而导致的计算偏差。针对以上领域内自动问答的难点,本文根据统计学以及结合卷积神经网络等机器学习算法,提出了一种适用于金融领域的新词发现与抽取方法,以及金融知识自动问答的候选答案排序方法。本文的主要研究内容包括:金融领域内新词的发现与提取。为了更好地计算用户问题与候选问答库中问答对的相关度,本文从统计学的角度出发,结合独立词概率和信息熵的使用,改进了一种能够从大规模领域语料中提取出新词的方法,该方法能够将提取新词的准确率提升至90%以上,并且在候选答案的排序实验中,通过加入该方法提取的领域新词到相关度计算模型中,能够将其MRR值提升0.03以上。候选答案的排序与抽取。本文提出了一种问题-问题相关度与问题-答案相关度相结合的方法进行候选答案的排序。前者是基于词向量在向量空间中计算问句相关度,后者是基于卷积神经网络模型计算问句与答案的相关度。本文在实验中证明了基于句子相对长度的余弦相似度计算效果最佳,且由TF-IDF抽取出的句子关键词及其词性权重也会对相关度计算产生较大影响。最终得出结论,将两种相关度的计算结果进行加权来衡量问题与候选答案间的相关度,能够得到在一定程度上提高候选答案的排序效果。金融知识问答库的构建及系统平台的搭建。本文对金融知识涉及的各类知识库进行了构建,并搭建了一款集日常交流问答、金融结构化数据和时序数据问答、金融知识自由问答、辅助客服为一体的问答系统,该问答系统在经过200条的测试样本分析后,Top1值达到了105以上,MRR(Mean reciprocal rank)值达到0.63。

关键词：金融自动问答新词发现答案排序卷积神经网络

基于HNC的问答社区问句检索及答案排序研究

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HNC的问答社区问句检索及答案排序研究

作者：王芳大连理工大学

学位级别：硕士

随着互联网的普及,网络用户不断增多,问答社区逐渐成为人们交流意见、分享知识的重要平台。但随着数据的不断积累,问答社区也面临着一些挑战。问答社区中存在大量已经被解决的问题,但仍有许多语义相似的问题被重复提出,这样就会造成内... 详细信息

随着互联网的普及,网络用户不断增多,问答社区逐渐成为人们交流意见、分享知识的重要平台。但随着数据的不断积累,问答社区也面临着一些挑战。问答社区中存在大量已经被解决的问题,但仍有许多语义相似的问题被重复提出,这样就会造成内容冗余。同时问答社区中的一个问题下存在大量答案文本,仅依靠点赞数评论数等特征进行排序会导致一些高质量答案排序靠后,得不到足够关注。为了解决上述问题,本文主要进行问句检索与答案排序两方面的研究。针对问答社区中网络新词较多、语言表达较为随意的问题,提出融合主题模型与HNC理论对翻译模型进行改进的问句检索模型。首先利用问答社区中问题的话题标签与答案构建用于模型训练的高质量平行语料。然后针对社区中存在大量未登录词的问题,提出一种利用Synonyms近义词包自动补全词项HNC映射符号的方法。最后针对翻译模型中翻译概率容易出现偏差的不足,利用主题模型获取词项间的主题相似度,从外部语料层面降低翻译噪声,利用HNC理论对词项进行符号映射计算语义相似度,从内部语义层面提升翻译概率准确性。实验表明新提出的问句检索模型可以获得更好的检索效果。针对当前问答社区主要利用答案的非文本特征进行排序,忽略其所包含的语义信息的问题,提出融合语义与多特征的答案排序模型。首先利用HNC理论对传统TextRank算法进行改进,在算法的初始权值与边权重计算中充分考虑词项所包含的语义信息。然后将改进的算法用于提取答案文本关键词,在此基础上计算答案文本与关键词集合的语义相似度以衡量答案文本的语义重要性。最后融合语义重要性与多种可以反映答案质量的社区特征对答案文本进行综合排序。实验表明新提出的答案排序模型可以获得更好的排序效果。本文针对目前问答社区中存在的问答内容冗余和答案得不到有效排序的问题,分别提出了问句检索与答案排序的新方法,可以更好地对问答社区中的资源进行有效利用,提升用户的社区体验。

关键词：问句检索答案排序 HNC理论主题模型 TextRank算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于加权关键词的答案排序方法研究

基于加权关键词的答案排序方法研究

作者：赵晨阳北京邮电大学

学位级别：硕士

随着互联网问答社区的兴起,问答社区中的答案排序和内容筛选问题获得越来越多的关注和研究。相较于目前问答社区中广泛采用的投票机制等内容筛选方案,基于机器学习的答案排序方法更具通用性和时效性,排序结果也更加可靠。但是,现有的机... 详细信息

随着互联网问答社区的兴起,问答社区中的答案排序和内容筛选问题获得越来越多的关注和研究。相较于目前问答社区中广泛采用的投票机制等内容筛选方案,基于机器学习的答案排序方法更具通用性和时效性,排序结果也更加可靠。但是,现有的机器学习答案排序方法要么从答案以及和答案相关的问题、用户和评论中抽取可以区分答案质量的特征,然后使用学习排序方法训练排序模型进行答案排序;要么使用链接分析方法计算回答者在问题所属领域的权威性评分,将权威性评分用于答案排序。这些排序方法都将每一个问题当作一个单独的实体进行处理,但实际上问答社区中的每一个问题都不是独立的,相同的问题会被用不同的表达方式先后提出,先提出的问题往往已经有了比较可靠的答案,这些已经解决的问题可以用来对新问题的答案进行排序。基于以上事实,本文提出了利用已解决问题对新问题进行排序的答案排序方法。课题的主要研究内容如下:1)问题相似度计算。本文提出了基于Word2vec词向量的文本表示方法,并使用这一新的文本表示方法计算问题的相似度。与现有方法的对比实验证实了本文提出的问题相似度计算方法的有效性;2)关键词提取。本文使用Word2vec词向量对经典TextRank算法在词节点权值初始化和迭代计算中权值分配比例两方面存在的不足进行了改进,提出了融合TextRank和Word2vec的关键词提取方法,并通过对比实验证实了此方法的有效性;3)基于加权关键词的答案排序方法。本文通过问题相似度计算过程从已解决问题库中得到与待排序问题相似的问题集合,然后使用关键词自动提取方法从相似问题的答案中提取出关键词,并对这些关键词回答问题的重要性进行评价。最后利用这些加权关键词对待排序的答案进行质量评价并得到排序结果。此外,为了进一步地提高排序方法的效果,本文将基于加权关键词的答案排序方法和基于特征提取的学习排序方法以及基于链接分析的排序方法结合起来,提出了融合三种方法的答案排序方法。在取自Stack Overflow和Yahoo! Answers社区的数据集上进行的对比实验证实了本文提出的答案排序方法的有效性。综上所述,课题研究并提出了新的问题相似度计算方法和关键词自动抽取方法,并在这两种方法的基础上提出了基于加权关键词的答案排序方法。与现有答案排序方法的对比实验证实了本文提出的排序方法的有效性。

关键词：答案排序文本相似度计算关键词提取学习排序特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于语义分析的问答社区答案排序研究

基于语义分析的问答社区答案排序研究

作者：尤曦翔南京师范大学

学位级别：硕士

随着Web2.0的发展,问答社区呈现出一种蓬勃生长之势,用户可自行在问答社区内进行提问与回答,一方面,社区内的各类问答对为智能问答系统和人工智能提供了丰富的信息源,但另一方面,水平参差不齐的答案成为了用户搜索时的困扰。因此,本文... 详细信息

随着Web2.0的发展,问答社区呈现出一种蓬勃生长之势,用户可自行在问答社区内进行提问与回答,一方面,社区内的各类问答对为智能问答系统和人工智能提供了丰富的信息源,但另一方面,水平参差不齐的答案成为了用户搜索时的困扰。因此,本文以问答社区中的问答对作为研究对象,对问答社区中的答案排序进行研究。研究首先使用了语义分析和机器排序学习的方法,通过自动化方式对问答对中的答案进行语义相关的特征提取,同时考虑到不同问题类型下高质量答案的不同特征表现。,加入了问题类型作为分类依据之一,最后根据答案特征及人工标注的得分进行排序学习模型的建立,完成答案的排序研究。本文在语义分析的基础上,对答案特征进行了两方面的挖掘,一是对答案进行关键词的提取,使用关键词集来展示答案的主要内容,二是使用LDA主题模型对答案进行主题挖掘,通过主题分布和主题词判断来得到答案中的主题内容。将答案和问题的关键词相似度和主题相似度作为排序学习模型的两点语义特征来对答案排序进行学习,最终得到答案的排序结果。本文研究的工作主要包括三点:(1)对文本关键词的提取算法进行优化实验,确保关键词提取的有效性和准确性,并根据关键词集对问题和答案进行关键词相似度分析,关键词的相似度分析主要通过word2vec词模型和词向量间的余弦相似度来确定;(2)对文本进行LDA主题模型分析,以文本的主题分布和主题词内容为基础,从主题覆盖的完全性和主题内容的相似性为出发点,结合概率分布距离和词模型距离提出主题相似度的计算方法,并将其作为排序的文本特征之一;(3)分析不同的排序学习模型,选择合适的排序学习算法,结合答案的语义文本特征和问题分类建立合适的排序学习模型,得到最终的答案排序结果。

关键词：答案排序主题相似度计算语义分析

社区问答系统中答案排序和问题检索算法研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社区问答系统中答案排序和问题检索算法研究与应用

作者：张力中国科学技术大学

学位级别：硕士

社区问答(Community Question Answering,CQA)系统是一种较高级别的信息检索系统。与搜索引擎不同,CQA系统中存在大量由社区成员长期维护的问题和答案,信息质量较高;CQA系统返回的信息通常更符合用户的真实需求,而搜引擎通常返回若干相... 详细信息

社区问答(Community Question Answering,CQA)系统是一种较高级别的信息检索系统。与搜索引擎不同,CQA系统中存在大量由社区成员长期维护的问题和答案,信息质量较高;CQA系统返回的信息通常更符合用户的真实需求,而搜引擎通常返回若干相关网页。目前,利用CQA系统知识获取已经成为一个研究热点,但如何高效的从CQA系统中检索信息仍是一个研究难点。本文的研究内容主要围绕CQA系统的答案排序和问题检索任务,工作分为以下三个方面:1)提出了改进主题模型。传统的LDA主题模型未考虑到垃圾主题和相似主题的存在,影响主题相似度计算的准确率,第三章提出了垃圾主题过滤算法和主题相似度检测算法用于移除垃圾主题和检测相似主题,以构造语义关系更强的主题向量。在中文语料库上的实验结果验证了改进主题模型能够提升文本分类的准确率,第三章还将改进主题模型应用到CQA系统中,在SemEval问答数据集上的实验结果一方面确定了答案排序和问题检索任务的最优特征组合,另一方面验证了改进主题模型同样能够提升答案分类的准确率。2)提出了一种针对CQA系统的信息增强方法。第四章利用原始问题、相似问题和答案三者的关系,构造答案与原始问题的标注数据集,作为额外的训练集融入到原始数据集中,额外数据集是对原始数据集的信息增强,在CQA系统两个子任务上的实验结果验证了信息增强方法的高效性。第四章还探索了五种神经网络对答案排序和问题检索任务的建模方法和应用效果,发现BiLSTM网络和Attention网络整体上具有较高的答案分类准确率和MRR值,实验发现数据清洗对神经网络影响较大,在大多数场景中数据清洗都是必要的,但对某些场景(如小规模数据集,BiLSTM网络等)数据清洗会降低网络的性能。3)设计了 CQA系统的实现流程图。首先分析了系统存在的问题,然后介绍了设计中涉及的关键技术,最后分模块阐述CQA系统中各个问题的解决方案。各问题与解决方案可以概括为:针对海量知识库的信息抽取计算复杂度较高的问题,提出了一种两阶段文本排序方法;针对内容实时更新和外部请求重合度较高的问题,使用Spark流式计算引擎进行实时内部答案排序和信息更新,并将预先计算的部分文本特征和热门问题缓存,使用LRU算法发现、更新热门问题。该流程设计的目的是将提出的上述方法应用到实际场景中,通过将其与大数据组件结合,综合提高问题和答案分类的准确率,缩短系统响应时间。

关键词：社区问答答案排序问题检索主题模型深度学习信息增强流程设计