基于深度学习的领域问答系统的设计与实现

摘要

智能问答系统可以快速、准确地为用户提供信息服务,是目前自然语言处理领域一个备受关注的研究方向。旨在结合深度学习算法实现一个基于知识库的领域问答系统。在知识库构建上,首先采用protégé编辑本体模型,在完成领域知识获取以及RDF知识图谱构建后,以Fuseki Server作为SPARQL服务器向问答系统检索模块提供查询接口。在问句意图识别方面,通过多种分类算法在领域问题集上的对比实验,选用深度学习中的CNN模型用于问句分类。在槽位获取上,灵活地将序列标注模型Bi-LSTM+CRF应用于问句中的槽位提取。测试结果表明,实现以微信公众号为问答终端的电影领域问答系统,在问句集上的问句理解准确率达到98%;基于构建的领域知识图谱,可以比较准确迅速地回答大部分领域问题。