基于语义网的旅游业自动问答系统的研究

摘要

随着互联网信息量的日益激增，人们对信息检索的需求也有所提高，用户更期待通过自然语言的方式表述自己的问题，并得到相应的结果。自动问答系统由此产生。它通过解析自然语言问题，从互联网和知识库中抽取符合要求的答案。
　　在旅游行业中，用户此类需求更为明显。本文旨在研究实现一套针对旅游领域的自动问答系统，利用旅游领域问题的特殊性，改进相关技术，设计语义提取方案和系统流程引擎，从而提高旅行用户对信息检索的体验。
　　本文首先介绍了自然语言处理技术和基于本体的语义网的概念，采用基于本体思想的三元组存储库存放知识数据。随后介绍了系统的组成结构。然后改进现有分词算法，添加了同义词替换和词性标注的工作，为后续语义提取工作提供了技术支持。之后设计实现了利用正则表达式匹配的方式提取用户关键词的方案，提高了对实时信息查询的效率。同时，研究了借助现有的句法解析工具StanfordParser生成SPARQL查询语句的策略。最后，文章设计实现了基于自动机思想的业务流程引擎，使用户的问题间保持上下文相关性。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．2 自动问答系统概述

1．2．1 自动问答系统的历史发展和现状

1．2．2 自动问答系统的分类

1．2．3 旅游业自动问答系统的需求分析

1．2．4 现有中文自动问答系统的不足

1．3 主要工作和研究意义

1．4 本文组织结构

第2章 相关技术综述

2．1 自然语言处理技术

2．1．1 中文分词技术

2．1．2 句法分析技术

2．2 本体和语义网概述

2．2．1 本体的概念和分类

2．2．2 本体的描述语言

2．2．3 推理系统

2．2．4 三元组存储库和SPARQL查询语言概述

2．2．5 语义网的概念

2．2．6 本体和语义网在自动问答系统中的应用

2．3 现有三元组存储库的调研结果和选择

2．4 本章小结

第3章 系统的流程规划和整体结构

3．1 系统的流程设计

3．2 自动问答系统的整体结构

3．3 本章小结

第4章 中文分词算法的选择和改进

4．1 中文分词算法

4．1．1 两种分词方法的选择

4．1．2 基于词典分词方法

4．2 改进的分词算法

4．2．1 同义词替换

4．2．2 词性标注

4．3 本章小结

第5章 利用正则表达式提取语义的方案设计

5．1 本方案适用的问答场景和需求分析

5．2 正则表达式的概念

5．3 选用正则表达式的原因

5．4 利用正则表达式进行语义提取的过程

5．4．1 预处理

5．4．2 表达式匹配过程

5．5 匹配效果对比

5．5．1 正则表达式匹配的优点

5．5．2 正则表达式匹配的不足

5．6 本章小结

第6章 生成SPARQL查询语句的方案设计与实现

6．1 句法分析工具生成的两种数据结构

6．2 利用依存关系生成SPARQL查询语句的方案设计

6．2．1 依存关系的使用策略

6．2．2 该方案的不足

6．3 通过解析语法树生成SPARQL查询语句的方案设计

6．3．1 利用语法树生成SPARQL的一个示例

6．3．2 利用语法树生成SPARQL的流程总结

6．3．3 实验用的策略集

6．3．4 实验结果说明

6．4 本章小结

第7章 核心业务流程引擎的设计与实现

7．1 业务流程引擎的需求分析

7．2 基于自动机思想的业务流程引擎的设计与实现

7．2．1 自动机

7．2．2 级联自动机

7．3 实验中的业务流程定义举例

7．4 基于自动机思想的流程引擎的优点

7．5 本章小结

第8章 总结与展望

8．1 总结

8．2 后续工作与展望

参考文献

致谢