智能答疑

摘要： 据《光明日报》2021年2月10日16版报道:教育部日前发布文件称,线上教育要积极探索利用人工智能技术,增强各级平台互动交流、智能答疑和个性化学习资源推送功能。学校要组织教师通过平台或互动工具软件及班级群、电话、视频、面对面交流等多种方式开展师生互动交流;鼓励学生通过班级群、学习小组、学伴结对等方式,进行同学间交流讨论、合作学习、互帮互助。从利用在线教育资源这一角度看,用好在线教育资源,确实需要增加同学间的交流、互动,以弥补在线教育互动性不足的问题。

摘要： 由于在当今答疑系统中存在着答案单一性,智能性较弱等缺陷,从而使答疑系统不能满足用户的要求以及符合现实生活的逻辑习惯。鉴于以上缺陷,本文提出一种基于关联规则的智能答疑的设计思想,即:将改进之后的分词算法和关联规则算法应用在问题相关度中,从而在数据库中提取准确答案与参考答案。实验结果表明该思想能帮助答疑系统提高准确性和智能性,具有一定的应用参考价值。

摘要： 生源质量是高校人才培养工作的重要因素,优质的生源是高校高水平人才培养的首要环节,招生宣传、招生咨询同步在招生工作中发挥着重要作用.高校招生在线咨询通常采用人工回复或基于关键词匹配的问答系统来处理,存在效率低下、回答问题不及时等缺陷.采用聚类分析方法,对招生咨询中遇到的问题进行集中分析,将不同层次、不同类别的问题进行归纳整理,统一解答.同时采用智能的网上答疑方法,系统自动识别并解答相关招生问题.

摘要： In the massive open online courses(MOOC)system, the question answering is an important link.The development of the intelligent question answering system is helpful to improve the teaching efficiency.The general question answering system is lack of the intelligent representation of the course knowledge,and the automatic induction of the previous questions,and so on.This paper used Knowledge Graph technology to represent questions in the form of knowledge point tree.At the same time,this paper classified problems according to knowledge points in the knowledge tree,and match problems with teaching case courseware by the Naive Bayes algorithm.The system, which initially transformed into intelligent answering system, took the public computer course of East China Normal University as an application example.After testing four classes of students studied Data Processing and Management, we found that classification success rate can be about 80%, which proved that intelligent answering system could represent and classified problems better,thus being suitable to Q&A for students.%在大型开放式网络课程(MOOC)系统中,答疑是一个重要环节,智能答疑系统的研发,有助于提高教学的效能.一般的答疑系统缺乏对课程知识的智能表示,对以往问题答案的自动归纳等.利用知识图谱技术将学生提问问题以知识点树的形式显示,同时结合朴素贝叶斯算法文本分类,将问题关键字按照知识点树中的知识点进行归类,并与教学案例课件进行分类匹配,从而初步改造为智能答疑系统.系统以华东师范大学公共计算机课为应用实例,初步应用测试问题分类成功率均在80%左右,证明智能答疑系统能更好地表示和分类问题,更好地适应学生的答疑应用.

摘要： 针对MOOC教学交互缺失问题,文章设计了本土化SPOC计算机辅助教学模式,采用信息技术实现了基于视频的教学交互.实现技术包含三个技术点:基于视频的知识点标注、智能答疑相似度算法、系统终端自适应.通过实验验证和教学效果分析,证实相似度算法提高了问题检索的查准率,此CAI模式促进了教学活动的开展,具有一定的教学有效性.

摘要： 针对MOOC教学交互缺失问题,文章设计了本土化SPOC计算机辅助教学模式,采用信息技术实现了基于视频的教学交互。实现技术包含三个技术点：基于视频的知识点标注、智能答疑相似度算法、系统终端自适应。通过实验验证和教学效果分析,证实相似度算法提高了问题检索的查准率,此CAI模式促进了教学活动的开展,具有一定的教学有效性。

摘要： 在比较了传统答疑方式与网上答疑的优缺点，提出了一种基于flex技术在网上答疑系统的设计，本文主要探讨了网上答疑系统的特点、功能及其设计，并介绍了相关技术。%In the advantages and disadvantages of the traditional and online Q&Q mode is proposed based on flex technology in the design of the online answer system, this paper discusses the features, functions and design of the online answer system, and introduces the related technologies.

摘要： 为了满足日益增长的混合式教学需求,在深入分析高校教学活动流程的基础上,开发了通用网络教学系统.系统将所有课程的教学集成到一个平台,全面支持教学内容管理和教学管理.分析了通用网络教学系统的功能,介绍了教学材料协同编辑、智能组卷算法、防舞弊策略、智能答疑和学习监控等核心技术的实现.使用结果表明系统能够有效地提高网络教学的效率和质量,培养学生自主学习能力.

摘要： 本文给出一个应用语义网络原理构筑起来的智能答疑系统.文章分析了建立智能答疑系统的必要性,由此提出了一个基于限定领域的智能答疑系统模型及其实现方案.

摘要： 在基于Web的分布式E-Learning环境中,建立一个能够自动并自主地实现对学生的问题给予实时、准确和拟人化解答的系统是必要的.本文基于浏览器/Web服务/数据库服务器结构3层应用模型,运用汉语分词、潜在语义分析、语义匹配和TTS等技术,给出了自动答疑系统的结构设计和功能实现,讨论了系统实现的关键技术,并对系统的应用和进一步工作进行了分析和展望.

摘要： 授课、答疑、考试、管理这四个环节在传统教育和远程教育中不可少,传统教育中,一般的问题在授课中可以解决,答疑往往处于一个次要地地位,但是远程教育不同于传统教育,学生学习过程中很多问题不能在授课中解决,答凝环节在远程教育中非常重要.本文将从两个方面介绍远程教育中的答疑系统,一个是实时交互答疑系统,一个是网上智能答疑系统,这两个系统各有千秋,前者使得学生能与教师进行音视频的交流,解决教师育学生之间的时空间隔,后者自然语言技术,能够自动搜索问题的答案,进行问题的解答.两者结合起来,相得益彰.

摘要： 大规模开放式问答系统过于偏重于知识的广度，在面向课程教学的问答系统则对问题回答的针对性和准确性要求相关较高。在教与学的过程中，面向课程教学的具有智能化的中文问答系统有利于学生的学习认知模式的建立。本文提出以基于自然语言的分词算法为基础，建立面向课程教学的问句句法分析，通过相关的模式决策树，抽取相应的信息(答案)，实现了教学过程中的智能化答疑功能。

摘要： 大规模开放式问答系统过于偏重于知识的广度，在面向课程教学的问答系统则对问题回答的针对性和准确性要求相关较高。在教与学的过程中，面向课程教学的具有智能化的中文问答系统有利于学生的学习认知模式的建立。本文提出以基于自然语言的分词算法为基础，建立面向课程教学的问句句法分析，通过相关的模式决策树，抽取相应的信息(答案)，实现了教学过程中的智能化答疑功能。

摘要： 大规模开放式问答系统过于偏重于知识的广度，在面向课程教学的问答系统则对问题回答的针对性和准确性要求相关较高。在教与学的过程中，面向课程教学的具有智能化的中文问答系统有利于学生的学习认知模式的建立。本文提出以基于自然语言的分词算法为基础，建立面向课程教学的问句句法分析，通过相关的模式决策树，抽取相应的信息(答案)，实现了教学过程中的智能化答疑功能。

摘要： 大规模开放式问答系统过于偏重于知识的广度，在面向课程教学的问答系统则对问题回答的针对性和准确性要求相关较高。在教与学的过程中，面向课程教学的具有智能化的中文问答系统有利于学生的学习认知模式的建立。本文提出以基于自然语言的分词算法为基础，建立面向课程教学的问句句法分析，通过相关的模式决策树，抽取相应的信息(答案)，实现了教学过程中的智能化答疑功能。

摘要： 大规模开放式问答系统过于偏重于知识的广度，在面向课程教学的问答系统则对问题回答的针对性和准确性要求相关较高。在教与学的过程中，面向课程教学的具有智能化的中文问答系统有利于学生的学习认知模式的建立。本文提出以基于自然语言的分词算法为基础，建立面向课程教学的问句句法分析，通过相关的模式决策树，抽取相应的信息(答案)，实现了教学过程中的智能化答疑功能。

摘要： 大规模开放式问答系统过于偏重于知识的广度，在面向课程教学的问答系统则对问题回答的针对性和准确性要求相关较高。在教与学的过程中，面向课程教学的具有智能化的中文问答系统有利于学生的学习认知模式的建立。本文提出以基于自然语言的分词算法为基础，建立面向课程教学的问句句法分析，通过相关的模式决策树，抽取相应的信息(答案)，实现了教学过程中的智能化答疑功能。

摘要： 本申请公开了一种基于人工智能的多语言答疑方法和系统，该方法包括：获取使用第一语言描述的问题；从第一语言中提取第一语言中包括的词句；使用词句作为关键词在预定内容中进行检索，其中，预定内容用户最近一次学习的语言课程中老师授课内容的文本，文本中的每一段对应老师讲课的时间信息；在文本中检索到包括词句的预定段落之后，获取预定段落对应的时间信息；从最近一次学习的语言课程中录制下来的老师授课的视频中截取时间信息对应的多媒体片段；将多媒体片段进行展示作为问题的回答。通过本申请解决了现有技术中在网络学习中靠老师人工答疑导致的答疑效率低的问题，从而在一定程度上提高了答疑效率。

摘要： 本发明公开了一种视频直播平台的智能机器人辅助答疑系统及方法，包括：消息解析模块，用于对接收的文字形式的消息进行内容解析，并在分析结果指示能够自动回复时，匹配自动回复列表中的问答方案直接进行回复；数据采集模块，用于采集数据作为智能分析学习数据，以用于智能分析学习；数据分析模块，用于在所述分析结果指示不能够自动回复时，对所述学习数据进行分析整理，以获取一对一的问答方案，并根据所述问答方案进行回复。本发明采用对自然语言解析实现对客户消息的快速自动回复，大大减少对专家的人力依赖，提高了直播互动性；可以将视频回放教学的互动体验提升到与直播时类似的参与感，增加了学员互动体验，提高了沟通效率和准确性。

摘要： 本发明提供人工智能在线咨询答疑服务系统，包括网络服务器、答疑回复单元、咨询对话窗口和移动客户端，所述答疑回复单元包括知识库单元、信息识别单元、指令输出单元和人工服务单元；所述信息识别单元、指令输出单元和人工服务单元分别电连接到知识库单元上；所述知识库单元包括身份验证系统、存储单元和后台处理器；信息输入后先经过身份验证系统验证，再传输到后台处理器处理，然后传递到存储单元；所述移动客户端通过网络服务器与答疑回复单元连接；所述咨询对话窗口与指令输出单元连接，显示在移动客户端的对话界面上。本发明方便咨询人随时随地进行咨询，服务内容专业、详实，实现线咨询答疑，效果好，实用，便捷。

摘要： 一种人工智能辅助的知识众包答疑系统，包括如下应用功能组成，在线提问单元、知识储存单元、匹配单元。本发明当学生遇到难解的问题，知识储存单元能根据学生经在线提问单元提问，自动将数据库内相关答案推送给学生，如果学生对答案不满意，匹配单元能将学生提问经互联网传递给若干位老师；相关老师根据自己的特长对问题进行解答后，匹配单元将答案推送给学生，同时，匹配单元会将此次学生的问题及老师回答的答案自动存入知识储存单元内，在下次有学生提出相近问题后，能及时得到知识储存单元解答，提高了问题回答时效性，并提高了学生学习的效率。本发明利用互联网人工智能技术，保证了学生的提问能及时得到正确解答，并减轻了老师的教学负担。

摘要： 本发明提供了一种基于知识图谱和神经网络的智能答疑方法，包括以下步骤：S1.形成用户问句q指向领域本体的候选概念集合；S2.形成用户问句指向领域本体排名前N的候选概念集合TOP(N)，以及在问句q中相对应的概念提及集合M(N)；S3.计算得出用户问句与候选概念的所有概念关系对的相似度；S4.将与用户问句q相似度值最大的概念关系对作为答案知识源；S5.在学科知识图谱的关系记录库中查询概念关系对，得到用户问句的答案并呈现给用户。本发明以学科知识图谱作为知识库，以学科知识图谱关系记录库中的关系记录作为问句的答案来源，同时通过卷积神经网络实现问句的处理与分类，提高了问句在概念关系对上的分类精度。

摘要： 本申请公开了一种智能答疑的方法、装置、介质及电子设备。该方法包括：若接收到用户提问的问题描述，则对所述问题描述进行分词处理，得到至少一个语素；在预先构建好的知识库中基于预设匹配规则进行搜索，得到候选答案；通过相似度计算得到各个候选答案与问题描述的相似度，并基于所述相似度对所述候选答案进行排序；根据各候选答案的相似度与预设阈值的比较结果，确定各候选答案的相似度等级；根据所述相似度等级，确定目标答案，并返回所述目标答案。采用本技术方案，可以提高问题回答的实时性，同时针对相同或者相类似的问题，可以直接通过匹配得到相应的答案，有效提高重复问题的答疑效率。

摘要： 本发明提出了一种智能答疑教育系统，涉及互联网及教育领域。一种智能答疑教育系统包括：问题采集模块，用于收集待解答问题，并将待解答问题发送至后台管理模块；待解答问题包括题目、类别及待解答问题详情；后台管理模块，用于基于待解答问题的数据信息进行数据的收集和分类分化处理，接收来自问题采集模块发送的提问信息，根据预设的多个答疑模块及处理后的待解答问题数据进行分析，还有答疑模块。其能够使提问者通过该系统发送包含待解答的题目的提问信息，预设的答疑模块在接收由提问信息之后，对待解答的题目进行解答，随后通过后台管理模块向问题采集模块回复包括解答信息的答复信息，以使提问者终端及时接收到答复信息。

摘要： 本发明公开了一种基于意图识别的智能答疑方法，应用于服务器，该方法包括获取客户端上传的第一语音数据，将第一语音数据进行转化得到文本数据，将得到的文本数据输入向量提取模型输出文本句向量，将文本句向量输入意图识别模型输出意图类型，根据输出的意图类型，从数据库中找到对应的预设答疑系统作为目标答疑系统，将该意图类型对应的文本数据发放至目标答疑系统，分别计算文本数据与目标答疑系统中各个预设答复进行相似度值计算，找出相似度值最大者对应的预设答复作为目标答复并转化成第二语音数据反馈至客户端。本发明能够提高数据库的查询效率，减少对话系统的反馈延迟。

摘要： 本发明提供了一种基于知识图谱和神经网络的智能答疑方法，包括以下步骤：S1.形成用户问句q指向领域本体的候选概念集合；S2.形成用户问句指向领域本体排名前N的候选概念集合TOP(N)，以及在问句q中相对应的概念提及集合M(N)；S3.计算得出用户问句与候选概念的所有概念关系对的相似度；S4.将与用户问句q相似度值最大的概念关系对作为答案知识源；S5.在学科知识图谱的关系记录库中查询概念关系对，得到用户问句的答案并呈现给用户。本发明以学科知识图谱作为知识库，以学科知识图谱关系记录库中的关系记录作为问句的答案来源，同时通过卷积神经网络实现问句的处理与分类，提高了问句在概念关系对上的分类精度。

摘要： 本发明公开了一种智能答疑方法，应用于电子装置，该方法包括设定第一关键词与匹配条件，建立第一标签与第二标签。将答疑请求语音信息转换成文本信息，计算文本信息中每个词语的得分，从文本信息中选取预设数量的词语作为第二关键词。对文本信息及匹配条件进行匹配分析，判断文本信息中的每个第二关键词在匹配条件中是否存在对应的第一关键词，若存在则获取对应的预设答案发送给客户端。若不存在，同时判断语音情绪类型为不满时，选取匹配值中的最大值作为最佳答疑者推荐给当前用户。本发明能够在判断无法解答用户提出的问题时，自动识别用户当前的情绪类别，当识别结果为不满时，自动选取匹配值最高的答疑者推荐给用户，提升用户满意度。