面向水利信息资源的智能问答系统构建与应用

doi:10.3969/j.issn.1006-2475.2020.03.013

计算机与现代化

面向水利信息资源的智能问答系统构建与应用

(河海大学计算机与信息学院,江苏南京211100)

收稿日期:2019-07-04 出版日期:2020-03-24 发布日期:2020-03-30
作者简介:张紫璇(1996-),女,江苏徐州人,硕士研究生,研究方向：知识表示学习,智能问答,E-mail: 1064083223@qq.com；陆佳民(1983-),男,江苏南通人,讲师,CCF专业会员,博士,研究方向：移动对象数据管理,分布式数据处理,水利信息化,E-mail: jiamin.luu@hhu.edu.cn；姜笑(1994-),女,江苏徐州人,硕士研究生,研究方向：智能问答,知识表示学习；冯钧(1969-),女,江苏武进人,教授,博士生导师,CCF专业会员,博士,研究方向：时空间数据管理,智能数据处理,数据挖掘,水利信息化。
基金资助:
国家重点研发计划“水资源高效开发利用”重点专项(2018YFC0407901,2017YFC0405806)；国家自然科学青年基金项目(61602151); 江苏高校文化创意协同创新中心资助项目(XYN1702)

Construction and Application of Intelligent Question Answering System#br# for Water Conservancy Information Resources

(College of Computer and Information, Hohai University, Nanjing 211100, China)

Received:2019-07-04 Online:2020-03-24 Published:2020-03-30

摘要/Abstract

摘要： 当前特定领域的问答系统主要采用基于关键字匹配的方法完成问答，类似水库大坝的建成时间、坝高等，无法充分理解用户自然语言提问的检索意图并给出准确回答。为此基于知识图谱技术，利用语义解析方法，本文设计并开发面向水利信息资源的智能问答系统。针对语义解析自然语言问句转化为结构化查询语句需要多步操作，容易导致语义鸿沟问题，还为了后续基于知识表示的问答方法，积累用户语料，本文提出一种语料扩展方法构建语料库。

关键词: 知识图谱, 智能问答, 语义解析, 表示学习

Abstract: Currently, the question-answering system in specific fields mainly adopts the method based on keyword matching to complete the question-answering, which is similar to the construction time and height of the reservoir dam, and cannot fully understand the retrieval intention of users natural language questions and give accurate answers. Therefore, this paper designs and develops an intelligent question answering system for water conservancy information resources based on knowledge mapping technology and semantic analysis. Aiming at the problem of semantic gap caused by the multi-step operation of transforming the natural language questions into structured query statements. This paper also proposes a corpus expansion method to build corpus in order to accumulate user corpus for the subsequent questions and answers based on knowledge representation.

Key words: knowledge graph, intelligent question and answer, semantic analysis, representation learning

中图分类号:

TP311

张紫璇,陆佳民,姜笑,冯钧. 面向水利信息资源的智能问答系统构建与应用[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2020.03.013.

ZHANG Zi-xuan, LU Jia-min, JIANG Xiao, FENG Jun. Construction and Application of Intelligent Question Answering System#br# for Water Conservancy Information Resources[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2020.03.013.

参考文献

［1］刘峤,李杨,段宏,等. 知识图谱构建技术综述［J］. 计算机研究与发展, 2016,53(3):582-600.
［2］刘康,张元哲,纪国良,等. 基于表示学习的知识库问答研究进展与展望［J］.自动化学报, 2016,42(6):807-818.
［3］詹晨迪. 基于知识库的自然语言问答方法研究［D］. 合肥:中国科学技术大学, 2017.
［4］ ZOU L, HUANG R Z, WANG H X, et al. Natural language question answering over RDF: A graph data driven approach［C］// Proceedings of 2014 ACM SIGMOD International Conference on Management of Data. 2014:313-324.
［5］许坤,冯岩松,赵东岩,等. 面向知识库的中文自然语言问句的语义理解［J］. 北京大学学报(自然科学版), 2014,50(1):85-92.
［6］ ZHENG W G, ZOU L, PENG W, et al. Semantic SPARQL similarity search over RDF knowledge graphs［J］. Proceedings of the VLDB Endowment, 2016,9(11):840-851.
［7］ ZHENG W G, CHENG H, ZOU L, et al. Natural language question/answering: Let users talk with the knowledge graph［C］// Proceedings of 2017 ACM on Conference on Information and Knowledge Management. 2017:217-226.
［8］ YAO X C, DURME B V. Information extraction over structured data: Question answering with freebase［C］// Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics. 2014:956-966.
［9］ JIN M X，KIM M Y，KIM D, et al. Segmentation of Chinese long sentences using commas［C］// Proceedings of the 3rd ACL SIGHAN Workshop. 2004:1-8.
［10］王博冉,林夏,朱晓东,等. Lattice LSTM神经网络法中文医学文本命名实体识别模型研究［J］. 中国卫生信息管理杂志, 2019,16(1):84-88.
［11］〖JP3〗曾维新,赵翔,冯滔,等. 面向领域的命名实体消歧方法改进研究［J］. 计算机工程与应用, 2018,54(17):126-134.
［12］余慧佳,刘奕群,张敏,等. 基于大规模日志分析的搜索引擎用户行为分析［J］. 中文信息学报, 2007, 21(1):109-114.
［13］BORDES A, WESTON J, USUNIER N. Open question answering with weakly supervised embedding models［C］// Joint European Conference on Machine Learning and Knowledge Discovery in Databases. 2014:165-180.
［14］刘知远,孙茂松,林衍凯,等. 知识表示学习研究进展［J］. 计算机研究与发展, 2016,53(2):247-261.
［15］SINGHAL A. Introducing the Knowledge Graph: Things,not Strings［EB/OL］.（2012-05-16）［2019-07-01］. https://googleblog.blogspot.com/2012/05/introducing-knowledge-graph-things-not.html.
［16］BOLLACKER K, COOK R, TUFTS P. Freebase: A shared database of structured general human knowledge［C］// Proceedings of the 22nd National Conference on Artificial Intelligence. 2007:1962-1963.
［17］WMF. Wikidata ［EB/OL］. (2015-11-11)［2019-07-01］. https://www.wikidata.org/wiki/wikidata:Main_Page.
［18］ SUCHANEK F, KASNECI G，WEIKUM G. YAGO: A large ontology from Wikipedia and Wordnet［J］. Journal of Web Semantics, 2008,6(3):203-217.
［19］BIZER C, LEHMANN J, KOBILAROV G, et al. DBpedia: A crystallization point for the Web ofdata［J］. Journal of Web Semantics, 2009,7(3):154-165.
［20］ 黄振兴. 中文问句理解技术研究及在IT领域问答系统中的应用［D］. 广州:华南理工大学, 2015.
［21］VOORHEES E M. Overview of the TREC 2003 question answering track［C］//The 20th Text Retrieval Conference. 2003:54-69.
［22］XU S Q, KONG F, LI P F, et al. A Chinese sentence segmentation approach based on comma［J］. Lecture Notes in Computer Science(including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2013,7717 LNAI:809-817.
［23］安波,韩先培,孙乐,等. 融合知识表示的知识库问答系统［J］. 中国科学:信息科学, 2018,48(11):1521-1532.

[1]	王运乾, 王以松, 陈攀峰, 邹龙. 融合注意力机制的药用植物文本命名实体识别[J]. 计算机与现代化, 2021, 0(11): 100-105.
[2]	王钰蓥, 王勇. 基于知识图谱和Bi-LSTM的推荐算法[J]. 计算机与现代化, 2021, 0(09): 90-98.
[3]	耿化聪, 梁宏涛, 刘国柱. 基于知识图谱与协同过滤的饮食推荐算法[J]. 计算机与现代化, 2021, 0(08): 24-29.
[4]	张艳, 杨芳, 杨蕾, 韩奎国, 李辉. 基于知识图谱的区块链技术及电力行业应用分析[J]. 计算机与现代化, 2020, 0(12): 55-60.
[5]	周丽1,2，申国伟1,2，赵文波1,2，周雪梅1,2. 一种基于GAN的异构信息网络表示学习方法[J]. 计算机与现代化, 2020, 0(05): 89-.
[6]	项威. 事件知识图谱构建技术与应用综述[J]. 计算机与现代化, 2020, 0(01): 10-.
[7]	冯钧，徐新，陆佳民. 水利信息知识图谱的构建与应用[J]. 计算机与现代化, 2019, 0(09): 35-.
[8]	冯钧,柳菁铧,孔盛球. 融合多特征的中文集成实体链接方法[J]. 计算机与现代化, 2019, 0(01): 69-.
[9]	王通,艾中良,张先国. 基于深度学习的威胁情报知识图谱构建技术[J]. 计算机与现代化, 2018, 0(12): 21-.
[10]	申存1,2,3，黄廷磊2,3，梁霄2,3. 基于多粒度特征表示的知识图谱问答[J]. 计算机与现代化, 2018, 0(09): 5-.
[11]	王良萸. 面向碳交易领域的知识图谱构建方法[J]. 计算机与现代化, 2018, 0(08): 114-.
[12]	郭琳，翟社平，高山. 知识图谱中的语义推理算法[J]. 计算机与现代化, 2017, 0(12): 71-76.

面向水利信息资源的智能问答系统构建与应用

Construction and Application of Intelligent Question Answering System#br# for Water Conservancy Information Resources

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics

本文评价