摘要：结构化自动问答系统采用传统方法缺少对词汇、词序和结构的划分,导致语句相似度较低,为了解决该问题,提出了基于Web语义的混合问句相似度计算方法。根据结构化自动问答系统结构,设计系统语句分析模型,通过正向匹配方法,对模型专业词库中的用户输入自然语句进行分词处理,并对字符串之间的关系展开分析。采用非恒定相似度系数来描述2个字符串的相似情况,并由此分析词形、词序和结构相似度,完成不同语句相似度的计算。通过实验对比可知,文章提出的基于Web语义的混合问句相似度计算方法最高计算精准度可达到96%,可提升自动问答系统的整体性能。

摘要：本文研究一种新的问答技术:计算问答对统计概率值,提出相似度计算函数,有限依赖机器自然语言理解,将理解并做答的任务,以特定的数学模型转化为信息检索问题.问答系统兼有离线和在线两种工作模式,离线处理将主题标注技术、关键词抽取技术、复述技术融合,做问答对语义分析;在线查询系统借鉴搜索引擎技术构架设计,数据传输量小,支持移动平台的大规模并发应用.

摘要：提出了一种基于高频词和共现词的文本主题词抽取方法。该方法充分考虑到文档的统计信息和语义信息,通过对提问问题和答案库中答案的相似度计算排序,输出候选答案。提出一种具体的应用模型,分别从问题的分析、信息检索和答案抽取三个模块进行系统的设计,具有一定的应用价值。

摘要：图书馆的微信自动问答机器人可以为读者提供24小时信息咨询服务,提高图书馆的受关注度。本文针对自动问答技术中语言问题进行研究和分析,编写一套针对图书馆问答机器人的语言体系,设计了哈尔滨工业大学图书馆自动问答机器人来实现全时段虚拟咨询,加强读者与图书馆之间的互动交流。

摘要：随着互联网、大数据的飞速发展,以深度神经网络(DNN)为代表的人工智能技术迎来了黄金发展时期,自动问答作为人工智能领域的一个重要分支,也得到越来越多学者的关注。现有网络模型可以提取问题或答案的语义特征,但其一方面忽略了问题与答案之间的语义联系,另一方面也不能从整体上把握问题或答案内部所有字符之间的潜在联系。基于此,提出了两种不同形式的注意力交互模块,即互注意力交互模块和自注意力交互模块,并设计出一套基于所提注意力交互模块的深度学习模型,用于证明该注意力交互模块的有效性。首先将问题和答案中的每个字符映射成固定长度的向量,分别得到问题和答案对应的字嵌入矩阵;然后将字嵌入矩阵送入注意力交互模块,得到综合考虑问题与答案所有字符之后的字嵌入矩阵,并与之前的字嵌入矩阵相加,送入深度神经网络模块,用于提取问题与答案的语义特征;最后得到问题与答案的向量表示并计算两者之间的相似度。实验结果表明,所提模型的Top-1准确度较主流深度学习模型最高提升了3.55%,证明了所提注意力交互模块对于改善上述问题的有效性。

摘要：针对游戏客服场景中玩家领域化、口语化的提问方式,应用深度学习工具word2vec建立带有语义的词的向量表示,设计了一种利用词向量距离,结合同义词替换、权重、句子长度、词序等因素的句子相似度计算模型。在该模型基础上,通过预分类、重定义分类规则,对KNN分类算法的大类占优、全局匹配计算代价高等问题进行改进,实现了一种基于文本分类的面向游戏客服场景的自动问答系统。实验结果表明,该系统具有较高的问题分类准确率和分类效率。

摘要：自动问答系统在搜索引擎的基础上融入了自然语言的知识与应用,与传统的依靠关键字匹配的搜索引擎相比,能够更好地满足用户的检索需求。介绍了计算机操作系统自动问答系统模型,阐述了具体开发过程,设计并实现了基于计算机操作系统领域的自动问答系统,实践表明该系统能够较为准确地回答用户问题。

摘要：校园智能客服旨在以校园为导向,以创新为核心竞争力,以学生为中心,致力于校园的服务类虚拟聊天机器人。本文立足于高科技实体产品,通过对系统的研究调查和交互设计流程设计出适用于大学校园的高校师生信息虚拟化原型,支持各地学生在此原型基础上寻求帮助包括校园最新消息及导航服务的人工客服。人工智能服务端的开发能够使校园数字化建设和发展从一个静态的体系逐步转变成一个动静结合智能全方位网络平台系统。介于目前各大院校未开展校园智能客服,此项目有继续设计研究的价值。

摘要：自动问答系统的设计一直是自然语言处理领域的研究热点。尤其是在受限领域,基于问题库的问答系统具有准确、快捷和高效等优点。该文设计了一种融合社交网络技术的基于《计算机网络》课程的自动问答系统,其问答库的构建采用了VSM模型。实验证明,该系统具有较高的准确率,有一定的推广意义。

摘要：目前心血管病患病率居高不下,死亡率也高居首位,严重影响着居民的生活。心血管病已经成为重大的公共卫生问题,加强心血管病知识的普及势在必行。本文借助于现有的心血管病知识图谱,构建了支持五种需求的问答数据集,并且实现了基于KV-MemNN模型的心血管病自动问答系统。通过测试数据的评估,验证了本文设计方案的适用性。