林丽星

(闽西职业技术学院,福建 龙岩364021)

0 引 言

近几年来,有关深度学习知识展示研究的不断深入以及人工智能技术发展,教育行业也迎来了新的历史发展纪元[1]。国内外有关知识图谱的研究也取得一定的进展,多数体现在构建通用数据库、分析抽取知识等方面,特别是在农业、医药卫等领域取得突破性的成就[2]。同时常用的知识图谱问答系统技术为语义分析方法和搜索排序方法,常用的对话模型设计方法有任务导向模型和通用对话模型[3]。但是目前教育知识问答系统设计过程中有关问句分析方面仍然存在突出问题。综上分析,此次研究在前人的研究成果上,提出构建教育知识问答系统的关键技术,通过卷积神经网络和双向长短时记忆模型获取全局特征和局部特征,并把实体识别转变为最优序列标注,以此构建实体识别模型进行问句分析。

1 教学知识问答系统的关键技术

1.1 教育知识问答系统算法相关技术

此次研究在知识图谱的基础上,构建基于智能算法的教育知识问答系统。该系统的主要目标是利用简便、准确的语句回答用户的问题,其主要实现步骤是问句分析和答案提取。前者是指通过词性标注、实体识别、语义消除等技术获取用户自然语言中包含的语义信息,后者是指利用知识图谱查询相关知识并提供正确答案的过程。区别于通过上下文信息进行的无监督学习方法,也就是常用的word1vec算法,研究使用Keras Embedding作为文本表示,它是利用大量神经元训练模型的一种监督学习方法,可以作为卷积神经网络和双向长短期网络记忆模型的输入[4]。……