网络智能答疑系统模型的研究

论文摘要

网络技术的出现和发展使得基于网络的远程教育作为一种新的教学模式迅速发展起来。它克服了传统教育在时间、空间上的限制,提供了便捷的学习方式、多样的学习环境和丰富的学习资源。然而这种教育模式将教师和学生分离开来,无法进行面对面的交流与解释,学习者的疑问无法得到及时的解答,因此建立智能答疑系统模型就成了开发网络教学系统的重要任务之一。答疑系统作为网络教育的一个重要组成部分,在帮助学生解除疑惑、获取知识、加强师生交流方面发挥着重要作用。然而传统的答疑系统主要是基于关键词匹配,不具有语义理解功能,因而不能实现问题答案的语义级的匹配,远远不能满足日益增长的网络教育需要。本文在深入研究自动问答相关理论和技术的基础上,分析了智能答疑的关键技术,针对用户问句分词不准确的问题,采用了基于概念词典和常用词典的字符串逆向最大匹配分词算法,提高了分词的准确度;针对标注后的问句向量与常问问题集中问题匹配度比较低的问题,采用了关键词的规范化机制,从而使问句尽量与问题集中问题匹配,省略了后面复杂的相似度计算,提高检索速度;针对问句关键词扩展后“噪音”信息过多的问题,建立了关键词的分级扩展机制,避免了扩展后检索主题的漂移并给用户提示作用以启发式查找;针对传统的向量空间模型未考虑不同关键词在检索答案时影响不同的问题,提出了一种基于分解的向量空间模型和语义概念的问句相似度计算方法,提高了相似度计算的准确性。基于以上的关键技术,本文提出了一种新的网络智能答疑系统模型,并分析了模型中的各个处理模块,给出了系统模型的处理流程。本系统模型实现了答疑系统的语义理解,提高了现有网络答疑系统的效率,并具有一定的智能性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景及意义
• 1.2 研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 主要研究内容
• 1.4 论文结构安排
• 第2章 领域本体及概念间相似度计算
• 2.1 Ontology概述
• 2.1.1 Ontology的定义
• 2.1.2 Ontology的组成
• 2.1.3 Ontology的表示
• 2.2 领域本体的构造
• 2.2.1 Ontology的引入
• 2.2.2 领域本体构造规则
• 2.2.3 领域本体构造步骤
• 2.2.4 领域本体表示
• 2.3 基于领域本体的概念之间相似度计算
• 2.3.1 传统的基于领域本体的概念之间相似度计算模型
• 2.3.2 改进概念间语义相似度计算模型
• 第3章 智能答疑知识库
• 3.1 词典
• 3.1.1 概念词典
• 3.1.2 常用词典
• 3.1.3 关系词典
• 3.1.4 停用词典
• 3.2 常问问题集FAQ
• 3.2.1 问题集FAQ的表示
• 3.2.2 问题集FAQ的索引
• 3.2.3 问题集FAQ的更新
• 3.3 文档知识库
• 第4章 智能答疑关键技术
• 4.1 分词
• 4.2 问句语义标注
• 4.3 问句关键词的规范化
• 4.4 问句关键词的扩展
• 4.5 文本过滤
• 4.6 相似度计算
• 4.7 参数设定
• 4.7.1 阈值设定
• 4.7.2 权重设定
• 第5章 智能答疑模型
• 5.1 模型框架
• 5.2 模型智能性
• 5.6 模型评测
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 需进一步研究的问题
• 参考文献
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历