CN111104503A - 一种建筑工程质量验收规范问答系统及其构建方法 - Google Patents
一种建筑工程质量验收规范问答系统及其构建方法 Download PDFInfo
- Publication number
- CN111104503A CN111104503A CN201911350236.7A CN201911350236A CN111104503A CN 111104503 A CN111104503 A CN 111104503A CN 201911350236 A CN201911350236 A CN 201911350236A CN 111104503 A CN111104503 A CN 111104503A
- Authority
- CN
- China
- Prior art keywords
- question
- answer
- database
- questions
- paragraph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 43
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000013145 classification model Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 16
- 238000012512 characterization method Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于建筑工程领域,并具体公开了一种建筑工程质量验收规范问答系统及其构建方法,包括问答数据库、预处理模块、问题分类模块和问题匹配模块,其中:所述问答数据库为包含段落、问题、答案三元组的建筑工程质量验收规范数据集;所述预处理模块用于对用户输入的问题进行预处理,以对其进行分词,并去除其中的停用词和特殊字符;所述问题分类模块用于对预处理后的问题进行分类;所述问题匹配模块用于根据分类后的问题,通过基于R‑NET阅读理解的问答模型由所述问答数据库得到该问题对应的答案。本发明解决了当前依靠传统搜素引擎查找专业规范问题不准确和人工查询费时费力的问题,答案准确率高,对复杂问题适应性高。
Description
技术领域
本发明属于建筑工程领域,更具体地,涉及一种建筑工程质量验收规范问答系统及其构建方法。
背景技术
在建筑工程领域,由于工程的复杂性,建筑从业者往往不知道哪些建筑活动需要被重视,哪些质量数据需要被收集和检查,对应的规范条文在哪。在大多数情况下,建筑从业者习惯在遇到问题时依赖搜索引擎,但是,互联网搜索不可避免地对信息内容的相关性和质量提出了挑战。与此同时,建筑从业者通过手动搜索规范,由于建筑规范种类繁多,且答案通常分布在多本规范中,通常需要花费很长时间。
常见的,建筑工程质量验收中问答系统通常通过关键字匹配技术进行问题回答,其返回的答案往往不够精确和全面,并且对于复杂工程项目,关键字往往难以准确描述所需问题。
随着人工智能的发展,问答系统根据主要应用技术分为检索式和生成式两种,基于检索的方法可以得到流畅的回复,缺点是无法生成新的回复且检索的回复与主题可能不相关。基于生成的方法优点是可以生成全新的回复,缺点是受数据集影响较大,对复杂问题适应性低,答案准确率有待提高。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种建筑工程质量验收规范问答系统及其构建方法,其目的在于,在问答系统中设置预处理模块、问题分类模块和问题匹配模块,对用户问题进行预处理和分类后,通过基于R-NET阅读理解的问答模型在预收集的问答数据库中匹配答案,解决了当前依靠传统搜素引擎查找专业规范问题不准确和人工查询费时费力的问题。
为实现上述目的,按照本发明的一方面,本发明提出了一种建筑工程质量验收规范问答系统,包括问答数据库、预处理模块、问题分类模块和问题匹配模块,其中:
所述问答数据库为包含段落、问题、答案三元组的建筑工程质量验收规范数据集;
所述预处理模块用于对用户输入的问题进行预处理,以对其进行分词,并去除其中的停用词和特殊字符;
所述问题分类模块用于对预处理后的问题进行分类;
所述问题匹配模块用于根据分类后的问题,通过基于R-NET阅读理解的问答模型由所述问答数据库得到该问题对应的答案。
作为进一步优选的,所述基于R-NET阅读理解的问答模型包括编码层、问题集成层、段落匹配层和指针网络层,其中:
所述编码层用于将问题和问答数据库中的段落进行编码,得到问题和段落的向量表征;
所述问题集成层用于将问题向量表征集成到段落向量表征中;
所述段落匹配层用于将集成了问题向量表征的段落向量表征与段落自身进行匹配,对段落向量表征进行调整,从而确定问题对应的答案所在范围;
所述指针网络层用于在答案所在范围内预测答案的开始和结束位置,并提取答案。
作为进一步优选的,所述问题集成层通过门控注意力机制,将问题向量表征集成到段落向量表征中。
作为进一步优选的,所述段落匹配层通过自匹配注意力机制,对段落向量表征进行调整。
按照本发明的另一方面,提供了一种上述建筑工程质量验收规范问答系统的构建方法,包括如下步骤:
S1收集关于建筑工程质量验收规范的数据集,并将该数据集构建为段落、问题、答案三元组,得到问答数据库;
S2对问答数据库中的段落和问题进行分词,训练分词模型,并将该分词模型存入预处理模块,然后去除问答数据库中数据的停用词和特殊字符;
S3构建问题分类模型,并通过问答数据库中数据对该问题分类模型进行训练和测试,然后将该分类模型存入问题分类模块;
S4根据数据库中数据得到问题和答案的对应关系训练基于R-NET阅读理解的问答模型,然后将该问答模型存入问题匹配模块,完成问答系统的构建。
作为进一步优选的,所述S1中得到问答数据库,具体包括如下步骤:
S11收集建筑工程质量验收规范中的条款,并去除其中的无效文本,得到关于建筑工程质量验收规范的数据集;
S12将数据集中带编号的条款视为段落,并从段落中提取出相应问题和答案,构建段落、问题、答案三元组,得到问答数据库。
作为进一步优选的,所述S3中构建分类模型,具体包括如下步骤:
S31对问答数据库中的问题进行分类,将分类后的问题一部分标记为训练集,另一部分标记为测试集;
S32构建问题分类模型,并通过所述训练集对问题分类模型进行训练,通过所述测试集对问题分类模型进行测试。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:
1.本发明在问答系统中设置预处理模块、问题分类模块和问题匹配模块,对用户问题进行预处理和分类后,通过基于R-NET阅读理解的问答模型在预收集的问答数据库中匹配答案,解决了当前依靠传统搜素引擎查找专业规范问题不准确和人工查询费时费力的问题,答案准确率高,对复杂问题适应性高。
2.本发明基于R-NET阅读理解神经网络针对特定数据集提高了训练的效果,增强了问答系统的准确性,通过对问题和段落的阅读理解匹配有效解决答案在多段落的问题。
3.本发明引入了问题分类机制,提高了系统对问题类型的适应性,进而提高后续匹配答案的准确度。
附图说明
图1是本发明实施例建筑工程质量验收规范问答系统构建流程图;
图2是本发明实施例问题类型分析判定示意图;
图3是本发明实施例基于R-NET阅读理解的问答模型示意图;
图4是本发明实施例建筑工程质量验收规范问答系统运行流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例提供的一种建筑工程质量验收规范问答系统的构建方法,如图1所示,包括如下步骤:
S1建立建筑工程质量验收规范问答数据库,包括如下步骤:
S11以标点符号为边界,句子为单位识别字句,收集14份建筑工程质量验收规范中的共约2000个条款,并去除其中的无效文本(如公式和图表),得到关于建筑工程质量验收规范的数据集;
S12将数据集中带编号的条款视为段落,并从段落中提取出相关问题,且段落中的片段可以回答此问题作为答案,构建段落、问题、答案三元组,得到问答数据库。
S2对问答数据库中数据进行预处理,包括如下步骤:
S21将问答数据库中问题和段落输入jieba分词器进行分词,训练分词模型,并将该分词模型存入预处理模块;
S22利用哈工大停用词词库和百度停用词表去除问答数据库中数据的停用词,再去除其中的空格、换行符、标点符号等特殊字符。
S3构建问题分类模型,包括如下步骤:
S31对问答数据库中的问题进行分类,将分类后的问题一部分标记为训练集,另一部分标记为测试集;
具体的,如图2所示,设置为三种类型的问题:是/否问题、事实/列表问题、定义/摘要问题,更具体的:
(1)是/否问题,利用是/否问题的特定结构来识别这类问题:需要简单的转换才能将问题转化为肯定的形式,常伴随关键词是否、能否,例如,墙角的垂直和水平交叉点是否应该同时建造?
(2)定义/摘要问题,使用以下模式检测此类问题:什么是X?X是什么意思?(X是名词短语),在这种情况下,X是问题的焦点,例如,什么是主项目?主项目是这个问题的关键词,答案为这个名词短语的解释说明。
(3)事实/列表问题,使用一组关于用户问题的简单规则来识别这类问题:提问主体为“是怎样”、“什么”、“哪一些”、“什么时候”,以及根据特定的模式来确定是否这是一个列表的问题,并构建肯定和简化形式,例如,建筑砌块时砂浆的功能是什么?答案为提问主体的内容的阐述;
S32利用python构建问题分类模型,并通过所述训练集对问题分类模型进行训练,通过所述测试集对问题分类模型进行测试,然后将该分类模型存入问题分类模块。
S4构建基于R-NET阅读理解的问答模型,如图3所示,该问答模型包括编码层、问题集成层、段落匹配层和指针网络层,根据数据库中数据得到问题和答案的对应关系对该问答模型进行训练,包括如下步骤:
S41编码层:利用Glove和char embedding进行文本嵌入,将问答数据库中的问题和段落进行编码,得到问题和段落的向量表征;
具体的,采用单词和字符两种方式进行文本嵌入:第一种是把段落P和问题Q中的单词分别替换为Glove中词级嵌入第二种是利用char embedding生成然后通过BiRNN把段落P和问题Q分别生成问题的向量表征和段落的向量表征t为输出时刻;
S42问题集成层:通过门控注意力机制,将问题的向量表征和段落的向量表征做比对,找出与问题比较接近的段落文字部分,动态的将问题向量表征对应到段落向量表征中;
S43段落匹配层:通过自匹配注意力机制,将新的段落向量表征与自身进行匹配,从当前输入编码层的段落自身中检查对问题理解有帮助的部分,对问题向量表征对应的段落向量表征进行调整,从而确定问题对应的答案所在范围;
S44指针网络层:在答案所在范围内预测答案的开始和结束位置,即哪一个词是答案的开始,到哪个词是答案的结束,并根据开始和结束位置提取答案;
具体的,通过计算段落向量表征的相似度,即利用问题的注意力池化向量作为指针网络的初始向量,与S43中产生的段落向量表征进行匹配,指针网络层会给出两个索引,第一个索引表示了答案的在段落中的初始位置,第二个索引表示了答案在段落中的结束位置;
S45基于S41~S44,完成对基于R-NET阅读理解的问答模型的训练,并将该问答模型存入问题匹配模块,完成建筑工程质量验收规范问答系统的构建。
按上述方法构建得到的建筑工程质量验收规范问答系统,包括问答数据库、预处理模块、问题分类模块和问题匹配模块,其中:
所述问答数据库为包含段落、问题、答案三元组的建筑工程质量验收规范数据集;
所述预处理模块用于对用户输入的问题进行预处理,以去除其中的停用词和特殊字符,并进行分词;
所述问题分类模块用于对预处理后的问题进行分类;
所述问题匹配模块用于根据分类后的问题,通过基于R-NET阅读理解的问答模型由所述问答数据库得到该问题对应的答案。
具体的,所述基于R-NET阅读理解的问答模型包括编码层、问题集成层、段落匹配层和指针网络层,其中:所述编码层用于将问题和问答数据库中的段落进行编码,得到问题和段落的向量表征;所述问题集成层为基于门控注意力循环神经网络层,通过门控注意力机制,将问题向量表征集成到段落向量表征中;所述段落匹配层为基于自匹配注意力循环神经网络层,通过自匹配注意力机制,对段落向量表征进行调整,从而确定问题对应的答案所在范围;所述指针网络层用于在答案所在范围内预测答案的开始和结束位置,并提取答案。
该建筑工程质量验收规范问答系统运行时,如图4所示,包括如下步骤:
S1用户输入自己的问题信息,该问题信息被导入预处理模块,进行问题预处理,包括利用分词模型进行分词,以及去除停用词和特殊字符;
S2预处理后的问题被导入问题分类模块,通过分类模型对其进行分类;
S3分类后的问题被导入问题匹配模块,通过其中的问答模型将问题与问答数据库进行匹配,生成答案。
各模块中具体运行过程和涉及公式与构建方法中相同,在此不再赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种建筑工程质量验收规范问答系统,其特征在于,包括问答数据库、预处理模块、问题分类模块和问题匹配模块,其中:
所述问答数据库为包含段落、问题、答案三元组的建筑工程质量验收规范数据集;
所述预处理模块用于对用户输入的问题进行预处理,以对其进行分词,并去除其中的停用词和特殊字符;
所述问题分类模块用于对预处理后的问题进行分类;
所述问题匹配模块用于根据分类后的问题,通过基于R-NET阅读理解的问答模型由所述问答数据库得到该问题对应的答案。
2.如权利要求1所述的建筑工程质量验收规范问答系统,其特征在于,所述基于R-NET阅读理解的问答模型包括编码层、问题集成层、段落匹配层和指针网络层,其中:
所述编码层用于将问题和问答数据库中的段落进行编码,得到问题和段落的向量表征;
所述问题集成层用于将问题向量表征集成到段落向量表征中;
所述段落匹配层用于将集成了问题向量表征的段落向量表征与段落自身进行匹配,对段落向量表征进行调整,从而确定问题对应的答案所在范围;
所述指针网络层用于在答案所在范围内预测答案的开始和结束位置,并提取答案。
3.如权利要求2所述的建筑工程质量验收规范问答系统,其特征在于,所述问题集成层通过门控注意力机制,将问题向量表征集成到段落向量表征中。
4.如权利要求2所述的建筑工程质量验收规范问答系统,其特征在于,所述段落匹配层通过自匹配注意力机制,对段落向量表征进行调整。
5.一种如权利要求1-4任一项所述的建筑工程质量验收规范问答系统的构建方法,其特征在于,包括如下步骤:
S1收集关于建筑工程质量验收规范的数据集,并将该数据集构建为段落、问题、答案三元组,得到问答数据库;
S2对问答数据库中的段落和问题进行分词,训练分词模型,并将该分词模型存入预处理模块,然后去除问答数据库中数据的停用词和特殊字符;
S3构建问题分类模型,并通过问答数据库中数据对该问题分类模型进行训练和测试,然后将该分类模型存入问题分类模块;
S4根据数据库中数据得到问题和答案的对应关系训练基于R-NET阅读理解的问答模型,然后将该问答模型存入问题匹配模块,完成问答系统的构建。
6.如权利要求5所述的建筑工程质量验收规范问答系统的构建方法,其特征在于,所述S1中得到问答数据库,具体包括如下步骤:
S11收集建筑工程质量验收规范中的条款,并去除其中的无效文本,得到关于建筑工程质量验收规范的数据集;
S12将数据集中带编号的条款视为段落,并从段落中提取出相应问题和答案,构建段落、问题、答案三元组,得到问答数据库。
7.如权利要求5所述的建筑工程质量验收规范问答系统的构建方法,其特征在于,所述S3中构建分类模型,具体包括如下步骤:
S31对问答数据库中的问题进行分类,将分类后的问题一部分标记为训练集,另一部分标记为测试集;
S32构建问题分类模型,并通过所述训练集对问题分类模型进行训练,通过所述测试集对问题分类模型进行测试。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911350236.7A CN111104503A (zh) | 2019-12-24 | 2019-12-24 | 一种建筑工程质量验收规范问答系统及其构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911350236.7A CN111104503A (zh) | 2019-12-24 | 2019-12-24 | 一种建筑工程质量验收规范问答系统及其构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111104503A true CN111104503A (zh) | 2020-05-05 |
Family
ID=70424529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911350236.7A Pending CN111104503A (zh) | 2019-12-24 | 2019-12-24 | 一种建筑工程质量验收规范问答系统及其构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104503A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112347229A (zh) * | 2020-11-12 | 2021-02-09 | 润联软件系统(深圳)有限公司 | 一种答案抽取方法、装置、计算机设备及存储介质 |
US20210406467A1 (en) * | 2020-06-24 | 2021-12-30 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for generating triple sample, electronic device and computer storage medium |
CN117909484A (zh) * | 2024-03-19 | 2024-04-19 | 华中科技大学 | 用于施工信息查询的问答Term-BERT模型的构建方法与问答系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377777A (zh) * | 2007-09-03 | 2009-03-04 | 北京百问百答网络技术有限公司 | 一种自动问答方法和系统 |
US20150178623A1 (en) * | 2013-12-23 | 2015-06-25 | International Business Machines Corporation | Automatically Generating Test/Training Questions and Answers Through Pattern Based Analysis and Natural Language Processing Techniques on the Given Corpus for Quick Domain Adaptation |
CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技(深圳)有限公司 | 智能问答方法及装置 |
CN109271505A (zh) * | 2018-11-12 | 2019-01-25 | 深圳智能思创科技有限公司 | 一种基于问题答案对的问答系统实现方法 |
CN109522395A (zh) * | 2018-10-12 | 2019-03-26 | 平安科技(深圳)有限公司 | 自动问答方法及装置 |
US20190138613A1 (en) * | 2017-11-09 | 2019-05-09 | Microsoft Technology Licensing, Llc | Machine reading comprehension system for answering queries related to a document |
CN110334184A (zh) * | 2019-07-04 | 2019-10-15 | 河海大学常州校区 | 基于机器阅读理解的智能问答系统 |
-
2019
- 2019-12-24 CN CN201911350236.7A patent/CN111104503A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377777A (zh) * | 2007-09-03 | 2009-03-04 | 北京百问百答网络技术有限公司 | 一种自动问答方法和系统 |
US20150178623A1 (en) * | 2013-12-23 | 2015-06-25 | International Business Machines Corporation | Automatically Generating Test/Training Questions and Answers Through Pattern Based Analysis and Natural Language Processing Techniques on the Given Corpus for Quick Domain Adaptation |
CN107301213A (zh) * | 2017-06-09 | 2017-10-27 | 腾讯科技(深圳)有限公司 | 智能问答方法及装置 |
US20190138613A1 (en) * | 2017-11-09 | 2019-05-09 | Microsoft Technology Licensing, Llc | Machine reading comprehension system for answering queries related to a document |
CN109522395A (zh) * | 2018-10-12 | 2019-03-26 | 平安科技(深圳)有限公司 | 自动问答方法及装置 |
CN109271505A (zh) * | 2018-11-12 | 2019-01-25 | 深圳智能思创科技有限公司 | 一种基于问题答案对的问答系统实现方法 |
CN110334184A (zh) * | 2019-07-04 | 2019-10-15 | 河海大学常州校区 | 基于机器阅读理解的智能问答系统 |
Non-Patent Citations (3)
Title |
---|
JUZHENG LI ETC: "Textbook Question Answering Under Instructor Guidance with Memory Networks" * |
LINLONG XIAO ETC: "A Reading Comprehension Style Question Answering Model Based On Attention Mechanism" * |
杨康等: "面向自动问答的机器阅读理解综述" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210406467A1 (en) * | 2020-06-24 | 2021-12-30 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for generating triple sample, electronic device and computer storage medium |
CN112347229A (zh) * | 2020-11-12 | 2021-02-09 | 润联软件系统(深圳)有限公司 | 一种答案抽取方法、装置、计算机设备及存储介质 |
CN112347229B (zh) * | 2020-11-12 | 2021-07-20 | 润联软件系统(深圳)有限公司 | 一种答案抽取方法、装置、计算机设备及存储介质 |
CN117909484A (zh) * | 2024-03-19 | 2024-04-19 | 华中科技大学 | 用于施工信息查询的问答Term-BERT模型的构建方法与问答系统 |
CN117909484B (zh) * | 2024-03-19 | 2024-05-28 | 华中科技大学 | 用于施工信息查询的问答Term-BERT模型的构建方法与问答系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019263758B2 (en) | Systems and methods for generating a contextually and conversationally correct response to a query | |
CN111639171B (zh) | 一种知识图谱问答方法及装置 | |
CN110147436B (zh) | 一种基于教育知识图谱与文本的混合自动问答方法 | |
CN111475623B (zh) | 基于知识图谱的案件信息语义检索方法及装置 | |
CN109271529B (zh) | 西里尔蒙古文和传统蒙古文双文种知识图谱构建方法 | |
CN112380325B (zh) | 基于联合知识嵌入模型和事实记忆网络的知识图谱问答系统 | |
US20220237230A1 (en) | System and method for automated file reporting | |
CN110990590A (zh) | 一种基于强化学习和迁移学习的动态金融知识图谱构建方法 | |
CN102262634B (zh) | 一种自动问答方法及系统 | |
CN109783631B (zh) | 社区问答数据的校验方法、装置、计算机设备和存储介质 | |
CN102663129A (zh) | 医疗领域深度问答方法及医学检索系统 | |
CN112270188B (zh) | 一种提问式的分析路径推荐方法、系统及存储介质 | |
CN110765277B (zh) | 一种基于知识图谱的移动端的在线设备故障诊断方法 | |
CN113312461A (zh) | 基于自然语言处理的智能问答方法、装置、设备及介质 | |
CN111104503A (zh) | 一种建筑工程质量验收规范问答系统及其构建方法 | |
CN107357765B (zh) | Word文档碎片化方法及装置 | |
CN116340530A (zh) | 基于机械知识图谱的智能设计方法 | |
Mokhtari et al. | Tagging address queries in maps search | |
CN116186422A (zh) | 基于社交媒体和人工智能的疾病相关舆情分析系统 | |
Derungs et al. | Mining nearness relations from an n-grams Web corpus in geographical space | |
CN112989811A (zh) | 一种基于BiLSTM-CRF的历史典籍阅读辅助系统及其控制方法 | |
CN116258204A (zh) | 基于知识图谱的工业安全生产违规处罚管理方法及系统 | |
CN116431746A (zh) | 基于编码库的地址映射方法、装置、电子设备及存储介质 | |
CN115408532A (zh) | 一种面向开源情报的武器装备知识图谱构建方法、系统、装置及存储介质 | |
CN111814457B (zh) | 一种电网工程合同文本生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200505 |