基于深层逻辑知识抽取的问答系统研究

发布时间：2025-05-27 04:51

　　问答系统是一个快速发展的研究领域,其融合了信息检索、信息抽取以及自然语言处理的研究和技术,充满挑战但又前景诱人,问答系统中的技术和方法也刺激了如文档抽取、时间和命名实体表达式识别等领域的发展。 互联网的快速发展提供了一个海量的文本信息来源,问答系统也利用互联网大规模文本中显式出现的知识解决了一部分问题,但是更多的知识隐含在文本中,需要进一步推理才能获得。然而现阶段大部分文本信息都是无标注的自由文本,如何进行推理获得隐含知识面临巨大挑战；另外互联网中文本信息不具有完备性,并且存在大量的噪音和事实错误,因此传统的推理方法并不能适用于互联网语料。 本文提出了一个为深层问答系统发现逻辑知识以及利用抽取到的知识进行问答的方法。该方法使用自动无监督、与领域无关的方法在背景语料中提取知识,然后利用这些知识推理出问题的潜在答案。本文的主要工作如下： (1)借助语义角色标注的结果将自然语言的表达转换为一阶谓词逻辑的谓词表达形式,语义角色标注可以更准确地标注谓词和论元,并且可以标注多个论元,其带有的顺序信息为谓词关系消除歧义提供了依据,提高了关系抽取算法的准确性和适用性； (2)使用关联分析...

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 知识抽取方法的研究现状
        1.2.2 知识推理方法的研究现状
        1.2.3 现阶段的知识来源
    1.3 本文的主要工作
    1.4 章节安排
第二章 系统概况
    2.1 系统框架
    2.2 实例分析
第三章 知识抽取
    3.1 关系抽取
        3.1.1 语义角色标注与逻辑转化
        3.1.2 词类挖掘
    3.2 学习推理规则
        3.2.1 关联分析
        3.2.2 统计相关性
    3.3 知识权重学习
    3.4 本章小结
第四章 问答系统
    4.1 问题和答案的逻辑转化
    4.2 马尔科夫逻辑网
    4.3 本章小结
第五章 实验结果
    5.1 数据集
    5.2 评测方法
    5.3 实验结果
        5.3.1 对比方法
        5.3.2 谓词的分布
        5.3.3 外部知识库的表现
        5.3.4 不同问题类型的表现
第六章 结论与未来工作
    6.1 结论
    6.2 未来工作
参考文献
硕士期间发表的论文
致谢



本文编号：4047541