中国人工智能学会通讯——面向知识图谱的自然语言问答系统 3 GAnswer 系统
3 GAnswer 系统 KB-QA中的难点之一是“歧义”问题,不同于传统的语义解析的方法,我们设计实现了一个新颖的面向知识图谱的问答系统gAnswer[8]。一方面,我们提出一种新的逻辑形式语义查询图,使用数据驱动的方式解决实体和关系的歧义,将消歧操作后推到查询执行阶段,从而提高识别精度。此方法的核心是将自然语言问题转化一个语义查询图QS,回答自然语言问题就是找到语义查询图Q在知识图谱RDF图....
中国人工智能学会通讯——面向知识图谱的自然语言问答系统 2 语义解析式的知识库问答
2 语义解析式的知识库问答 基于语义解析(semantic parsing)的方法是指先利用语义解析理解自然语言问题的语义,将问题转化为具备相同语义的逻辑形式,再通过查询引擎对生成的逻辑形式进行查询处理,得到最终结果。上述过程分别对应语义解析和查询执行两个主要阶段。这类方法的优点在于如果解析成功,则能完整获得提问者的意图,从而精确地返回查询结果。与此同时,将生成的逻辑形式展示给用户可以让用户检验....
中国人工智能学会通讯——面向知识图谱的自然语言问答系统 1 信息检索式的知识库问答
1 信息检索式的知识库问答 信息检索式的方法通常先确定问题的中心实体,继而生成问题的若干候选答案,再使用打分、排序等方式找出最适合原问题的答案。这类方法的整体框架比较简洁,对于简单问题有较好的效果。 1.1 确定中心实体 信息检索式的方法通常假设问题足够简单,大多数系统认为问题中有且仅有一个实体,这个实体被称作中心实体(Topic Entity),这是用户输入自然语言问题的核心,同时假设问题答案....
中国人工智能学会通讯——面向知识图谱的自然语言问答系统
自然语言问答(QA)是指利用各种技术和数据对用户提出的自然语言问题直接给出问题答案。QA任务根据所依赖的数据形态可以分成三类,分别是基于知识库的问答(KB-QA)[1-9]、基于文档的问答(DB-QA)[10]和社区问答(C-QA)[11]。其中,基于知识库的问答是指在结构化的知识库中寻找自然语言问题的答案;基于文档的问答是指在非结构化的文档集合中寻找与自然语言问题最匹配的语句或者段落,然后通过....
本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。
产品推荐
人工智能平台PAI
人工智能平台 PAI(Platform for AI,原机器学习平台PAI)是面向开发者和企业的机器学习/深度学习工程平台,提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务,内置140+种优化算法,具备丰富的行业场景插件,为用户提供低门槛、高性能的云原生AI工程化能力。
+关注