基于知识图谱的智能问答机器人.pdf
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
基于知识图谱的智能问答机器⼈ 研究背景及意义 研究背景及意义 智能问答是计算机与⼈类以⾃然语⾔的形式进⾏交流的⼀种⽅式,是⼈⼯智能研究的⼀个分⽀。 知识图谱本质上是⼀种语义⽹络,其结点代表实体(entity)或者概念(concept),边代表实体/概念之间的各种语义关系。知识图谱的出 现是信息技术发展、时代发展的必然结果。语义的本质是关联。只有基于语义的数据互联才能发挥数据集成的⾮线性效应,才能获取⼤数据 的特有语义。 近年来,基于知识图谱的问答系统则成为学术界和⼯业界的研究和应⽤热点⽅向。相较于纯⽂本,知识图谱在问答系统中具有以下优势。这 些优势都促使本⽂使⽤知识图谱来作为问答系统的知识来源。 -数据关联度:语义理解智能化程度问题语义理解程度是问答系统的核⼼指标。在知识图谱中,所有知识点被具有语义信息的边所关联。从 问句到知识图谱的知识点的匹配关联过程中,可以⽤到⼤量其关联结点的关联信息。这种关联信息⽆疑更为智能化的语义理解提供了条件。 -数据精度:回答准确率知识图谱的知识来⾃专业⼈⼠标注,或者专业数据库的格式化抓取,这保证了数据的⾼准确率。 -数据结构化:检索效率知识图谱的结构化组织形式,为计算机的快速知识检索提供了格式⽀持。 本系统实现⽬标和内容 本系统实现⽬标和内容 本⽂针对实验室这⼀关系领域构建知识图谱,基于Neo4j(⾮关系型数据库)建⽴学⽣、⽼师、项⽬三个实体的关系⽹络,使⽤Python AIML 搭建智能问答机器⼈开发环境,将⼆者集成,通过接⼊微信可视化。 最终实现的主要功能是:通过微信向个⼈(或公众号)账号发送⼈物、关系查询信息,机器⼈能够⾃动查询后回答。 知识图谱设计 知识图谱设计 Neo4j 是⼀个⽆框架数据库,它将数据作为顶点和边存储,适合知识图谱的存储结构。它存储和使⽤的数据⾃始⾄终都是使⽤原⽣的图结构数 据进⾏处理的,不像有些图数据库,只是在计算处理时使⽤了图结构数据,⽽在存储时还将数据保存在关系型数据库中。并且它性能⾼;存 储读写速度快;稳定性好;作为较早的⼀批图形数据库之⼀,⽂档和各种技术博客较多。 Neo4j 的查询语⾔ Cypher 是⼀种对图形声明查询的语⾔,使⽤图形模式匹配作为主要的机制来处理图形数据选择。Neo4j 提供Python的 基本操作API 接⼝,⽅便融合到整个系统当中。 抽取的实体:学⽣、⽼师、项⽬ 学⽣与⽼师之间存在"师⽣"关系;学⽣与项⽬存在"负责⼈"、"成员"等关系;⽼师与项⽬存在"负责⼈"、"成员"等关系。 智能问答机器⼈ 智能问答机器⼈ 利⽤Python AIML ⼈⼯智能标记语⾔建⽴机器⼈问答语料库。 微信接⼊可视化 微信接⼊可视化 微信团队给开发者提供了⼀套标准的接⼝,为开发者的开发⼯作提供了很⼤的便利,我们只需要学习如何通过开放接⼝获取⽤户查询的消 息,以及如何发送给⽤户消息这两个部分。本系统正是利⽤微信公众平台开发的这些优势,只专注于智能问答系统的实现过程,⼤⼤减少了 ⽹络通信和交互界⾯设计的⼯作量,因此选择它作为问答这⼀互动过程的交流渠道。 后记 后记 由于数据可达性,选择的是实验室的知识图谱,还可以扩展到任⼀领域,第⼀次写作,做得不好希望⼤家提出意见,源码见个⼈ github 博客地址:
- 粉丝: 168
- 资源: 3万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助