网络化学习问答系统关键技术研究瘦身版.docVIP

网络化学习问答系统关键技术研究 徐立臻 （东南大学计算机科学与工程系 210096） 摘要：本文提出了基于本体的开放式网络化学习问答系统模型，将领域本体引入问答系统中，并以此为基础构建课程的知识结构体系，利用领域本体中概念以及概念之间的关系来提取以及扩展问句语义，有效提高。Research of Key Technologies in Network Learning Question-Answer System Xu Lizhen Department of Computer Science and Engineering Southeast University, Nanjing 210096 Abstract: This paper proposes a model of the ontology-based Network Learning Question and answer system. It introduces domain ontology into the question and answer system, and builds the structure and system of the course knowledge. Use the concepts and the relationship between the concepts in domain ontology to expand semantic of the question can effectively improve the match ratio between the user’s question and the questions in the FAQ database. And the system can extract the content of the pages from Web as the answer when the user’s question is very difference from the questions in the FAQ database in semantic. Key words: Domain Ontology; Concept Semantic Similarity; Question Similarity; Paragraph Retrieval 1 引言 随着互联网的迅速发展，远程教育正逐渐成为计算机网络应用的热点之一。网络问答系统远程时间空间上的多数问答系统对问题的理解仍然局限在关键词匹配的模式，实用性和智能性。[1]、密歇根大学的AnswerBus[2]等。Start是第一个基于Web的自动问答系统，其特点是向用户提供准确的信息，而不是提供一堆相关信息。它采用基于知识库和信息检索的混合模式，如果用户查询在它的知识库中可以找到，则直接反馈；如果没有，则通过搜索引擎检索并处理后反馈给用户。而AnswerBus是一个基于搜索引擎的答疑系统，它接受自然语言的提问，从WEB中提取问题可能的答案，其特点是能支持多语言的提问方式。 国外的问答系统都是独立运行的系统[3,4,5,6]，它不包含任何的教育或者教学平台。这类系统在问题处理部件都增加了问题判断类型，以及增加了答案处理和解释部件，保证了系统对问题的更准确理解和呈现答案的简明扼要。国内智能答疑系统研究起步较晚，使得无论在答案准确性还是实时性上来说都比较差。相对于国外现存的智能答疑系统，国内的系统在基于自然语言的提问方面，其准确性和人性化方面还有一定的差距。国内比较典型的是上海交通大学的远程智能答疑系统。它采用FAQ库存储了用户可能提出的问题答案对。系统根据用户输入的自然语言问句，自动抽取其中的关键词和库中问题进行关键词匹配，并将最匹配的问题的答案从库中返回给用户。这类系统采用简单的基于关键词的匹配技术，并没有涉及用户问句语义理解方面的技术，导致搜索的结果与用户意图偏差，用户体验较差。 3 SwiftQAS系统模型设计 针对目前国内问答系统的不足，SwiftQAS系统结合本体应用以及用户需求，具有以下特点：1）利用本体作为领域知识库来描述领域概念及概念间的关系，能有效提取用户问句中的关键词并进行语义扩展，帮助用户更好理解领域内容。2）从问句中的关键词以及问句本身结构等多方面分析影响问句相似度计算的因素，能更准确地将用户问句与FAQ库问句快速匹配。3）当FAQ库中不存在与用户问句相似的问句时，借助互联网搜索问句关键词，并从相关网页中提取问句答案返回给用户，同时补充FAQ库并更新领域本体以方便下次问答。 图1 SwiftQAS系统模型 图1描述的是基于领域本体的SwiftQAS系统处理用户问句的过程：首先用户在系统