【摘 要】
：
智能问答系统可以满足人们对于精确信息的要求。对于问答系统而言,最重要的工作主要分为两个方面:对于用户需求的分析以及根据需求对于信息源的抽取。对于用户提问的分析主要依靠的是自然语言处理方面的知识,而近些年对于符合需求的信息的抽取则主要采用深度学习等方法。随着模型的进步,在问答方面的准确率也在逐渐提高,但是深度学习问答模型很大的问题就是对于推导过程的模糊性。本文通过引入多文档信息来建立包含相关知识的原
【基金项目】
：
国家自然科学基金（61772268）； 高安全系统的软件开发与验证技术工业和信息化部重点实验室（NJ2018014）； 华为创新DB IRP（CCF-HUAWEI DBIR2020001A）项目；
论文部分内容阅读
智能问答系统可以满足人们对于精确信息的要求。对于问答系统而言,最重要的工作主要分为两个方面:对于用户需求的分析以及根据需求对于信息源的抽取。对于用户提问的分析主要依靠的是自然语言处理方面的知识,而近些年对于符合需求的信息的抽取则主要采用深度学习等方法。随着模型的进步,在问答方面的准确率也在逐渐提高,但是深度学习问答模型很大的问题就是对于推导过程的模糊性。本文通过引入多文档信息来建立包含相关知识的原始证据图,并通过图神经网络分析图来得到最终答案,主要内容如下:（1）针对单一文本难以解决复杂问题这一难点,研究了维基百科中的文档特征,采用TF-IDF算法从中抽取出多篇关键文档。（2）提出了证据图构建算法。在知识图谱的基础上定义了一系列证据图的构建规则。通过计算多文档中SPO三元组的语义距离,可以将文档信息嵌入进证据图中。通过自定义的子图匹配算法,从原始证据图中识别可能带有正确答案的候选子图。（3）采用了一个带有注意力机制的图神经网络对候选子图进行分类,依照预定义的激励函数衡量子图和问题之间的距离,根据每个子图的得分筛选出答案子图,并根据预测的答案类型得到答案节点,依靠答案伴随的子图提供可解释性。
其他文献
随着语义Web技术的快速发展与进步,资源描述框架（RDF）作为W3C推荐的一种元数据模型和信息描述规范,广泛地应用于各种领域中。RDF模型是一种简单且易扩展的数据表示方式,能够准确,灵活地表达Web数据中的语义信息。各种实际应用中都存在着大量的时态信息。Web中的数据事实也是动态的,具有一定的时效性的。为了跟踪Web数据随时间的变化,将时态信息引入到RDF的框架中。因此,研究者们提出了时态RDF模
随着基于位置服务的普及和空间定位技术的发展,许多应用通过获取移动终端的地理位置,向用户提供位置相关的服务和查询。空间索引在空间数据库中起着重要作用,其性能决定了数据访问和查询处理的效率。空间数据规模越来越大,如何设计一种高效、轻量的空间索引结构,提高数据库吞吐效率,并且减小索引文件的存储成本,一直是空间数据库领域的一个热点问题。本文设计并实现了一种空间对象学习索引——SLI（Spatial Lea
随着物联网技术和智能医疗的发展,无线人体局域网的出现给目前医疗系统对病人的实时监测和响应处理提供一种新的可能。智能医疗的发展离不开数据的感知和采集,有了无线人体局域网的出现,数据的感知与采集将会变得十分便捷。虽然无线体域网有着很好的应用前景,但如何保证医疗用户隐私数据的安全性、无线体域网高效可靠的身份认证和安全管理也成为目前亟待解决的问题。本文深入研究了体域网智能医疗系统的安全框架及身份认证技术,
知识图谱的研究包括构建与应用,而知识表示与推理不仅是实体对齐、三元组分类等构建技术的基础,而且是智能检索、知识问答、推荐系统等应用技术的关键,因此知识图谱的表示与推理是贯穿知识图谱构建与应用的关键基础研究。知识表示与推理研究的主要目的是提升推理能力与计算效率。但目前的方法大多仅关注推理能力,增加模型参数以提升模型性能,却降低了推理效率。基于属性、规则等额外信息增强知识表示学习和推理模型,不仅能提升
语义Web是基于图和“链接”的组织方式,但是所链接的不再是网页而是客观世界中的实体,实体之间的链接也被增加了语义描述。RDF是语义Web中用于组织语义化数据的数据模型,RDF Schema通过定义RDF使用的词汇为其赋予语义。知识图谱作为语义Web发展的产物成为了研究的热点,知识图谱中将三元组称作为知识。RDF通过聚合大量的知识实现快速响应和推理,已经被广泛地应用到智能领域作为数据组织的方式。We
无人机（Unmanned Aerial Vehicle,UAV）蜂群是近年来国际上的技术研究热点,它能够克服基于单UAV的所存在能力受限、生存率低和完成任务概率低等缺陷,协同多机以完成重要任务。设计实现UAV蜂群在理论上、实践上都是极具技术挑战的问题。本学位论文的研究目标是:深入研究UAV蜂群的某些关键技术,探讨设计实现UAV蜂群原型系统的方法。为此,本学位论文研究解决如下关键技术。首先,为使多架
基于知识图谱的问答使用知识图谱的三元组事实（主语,关系,宾语）来回答自然语言问句,本文聚焦于面向开放领域知识图谱的简单问答,即该问句可以通过一个三元组事实得到答案。此类问答通常包含两个构件:主语识别和意图预测。经过主语识别和意图预测后,得到了该问句在知识图谱中对应的主语实体和关系,组成查询模式（主语,关系,?）,查询知识图谱得到答案。现有的方法在主语识别和意图预测中都各自存在一些问题。在主语识别中
伴随着便携式智能设备和高速网络的普及与发展,社交网络正深度融入人们的日常生活,甚至已然成为社交生活的另一个主战场。大量的活跃用户带来了海量高维的数据信息,这些信息可以帮助人们更好的观察和研究社会网络以及人类行为模式的演变。链接预测作为社交网络研究中的基本问题,其目的在于预测现有网络中潜在的未被观察到的链接或是未来网络中可能出现的链接,同时因其丰富的实用价值被广泛的应用于各个领域。传统的链接预测方法
随着语义Web技术的高速发展,用于表示与共享Web元数据的RDF（Resource Description Framework）模型已渗透到越来越多的项目和领域。经典RDF模型只能表示静态语义,无法满足时间敏感场景下处理语义随时间动态变化和管理版本记录的需要。为此,研究者们提出将时态数据和更新次数引入经典RDF模型得到一种时态RDF模型,既可以表示在特定时间段内与三元组相关的状态信息,还能统计和管
唇语识别是融合了计算机视觉、语音识别和自然语言识别等多领域技术的课题,目的是解码说话者嘴唇运动生成的文本,具有非常广阔的应用场景和现实意义,目前最常见的是用于辅助提升语音识别准确率,也可以帮助听障人士进行交流等。随着深度学习的发展,唇语识别技术在英文方面取得了长足的进步,但中文无论是在数据集的丰富性还是识别的准确率上均存在一定的落差。本文通过分析中文的发音特点,利用深度学习技术,意图在句子级别进行