發(fā)布時間：2024-06-30 20:50

　　智能問答是自然語言處理領(lǐng)域一個非常重要的研究熱點,傳統(tǒng)的智能問答不能準確地理解用戶的意圖,從而無法返回準確的答案。因此,提出了基于BERT-CNN算法的智能問答系統(tǒng),并應(yīng)用于電影原聲領(lǐng)域,可以快速準確地反饋相關(guān)信息。首先,構(gòu)建電影原聲的知識圖譜,建立節(jié)點實體以及實體之間的關(guān)系,利用Neo4j圖數(shù)據(jù)庫對數(shù)據(jù)進行存儲。然后,通過基于規(guī)則和詞典的方法進行實體識別,利用BERT-CNN分類算法對用戶意圖進行分類。最后,根據(jù)用戶意圖和實體,將問句轉(zhuǎn)化成知識圖譜的查詢語句,在數(shù)據(jù)庫中查詢后返回結(jié)果。實驗結(jié)果表明,構(gòu)建的面向電影原聲智能問答系統(tǒng)是可行的,采用BERT-CNN分類算法,分類準確率高達91.24%,能夠?qū)崟r得到問題答案的準確反饋,準確率達到95%以上。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1系統(tǒng)框架

該文設(shè)計的基于知識圖譜的問答系統(tǒng),主要結(jié)合知識圖譜將用戶輸入的自然語言問句轉(zhuǎn)化為Cypher查詢語句。首先需要對用戶輸入的自然語言問句進行預(yù)處理,比如分詞、去停用詞等,得到實體,然后根據(jù)分類算法可以獲得問題的分類類別,從而找到該類別的查詢模板,接著將實體填入查詢模板中就可以從知識....

圖2電影原聲知識圖譜

接下來將展示電影原聲的知識圖譜,如圖2所示,這里將電影原聲作為一個中心節(jié)點,此節(jié)點中包含電影原聲的相關(guān)屬性,例如流派、介質(zhì)、相關(guān)電影、評分以及歌手等等。從這個中心節(jié)點也能看到與其他節(jié)點的關(guān)系,例如電影原聲和出版社的關(guān)系是“press”。3答案生成算法

圖3BERT模型

BERT:BERT模型是一個多層雙向Transformer編碼器,Transformer是一種注意力機制,可以學(xué)習(xí)到文本中單詞的上下文關(guān)系。Transformer原型包含encoder機制和decoder機制,encoder作為輸入接受文本,decoder主要負責(zé)預(yù)測結(jié)果。BER....

圖4卷積神經(jīng)網(wǎng)絡(luò)示意圖

卷積神經(jīng)網(wǎng)絡(luò)(convolutionalneuralnetworks,CNN):最初應(yīng)用于圖像處理,并且在圖像處理領(lǐng)域取得了非常好的效果,同時它可以應(yīng)用在文本分類上面。文本分類主要是準確無誤地提取句子或文檔的中心思想,將句子或文檔的關(guān)鍵字作為特征去訓(xùn)練分類器進行分類,而CNN....

本文編號：3999053