基于深度學(xué)習(xí)的問(wèn)答系統(tǒng)技術(shù)研究.pdf

1、問(wèn)答系統(tǒng)是目前自然語(yǔ)言處理領(lǐng)域中的研究熱點(diǎn)，它既能讓用戶通過(guò)自然語(yǔ)言直接發(fā)問(wèn)，又能直接向用戶返回精確、簡(jiǎn)潔的答案，而不是一系列相關(guān)網(wǎng)頁(yè)。近年來(lái)，深度學(xué)習(xí)技術(shù)為問(wèn)答系統(tǒng)領(lǐng)域帶來(lái)諸多突破，基于深度學(xué)習(xí)技術(shù)的問(wèn)答算法研究成為了自然語(yǔ)言處理最熱門(mén)的研究方向，誕生了大量?jī)?yōu)秀的文章與開(kāi)發(fā)框架，如Google在2016年推出的SyntaxNet，大大降低了高性能問(wèn)答系統(tǒng)的開(kāi)發(fā)成本。
　　本文應(yīng)用了深度學(xué)習(xí)技術(shù)進(jìn)行問(wèn)答系統(tǒng)的構(gòu)造，開(kāi)展的工作如下:

2、1.利用詞向量與卷積神經(jīng)網(wǎng)絡(luò)搭建了一套高準(zhǔn)確率的面向具體任務(wù)問(wèn)答系統(tǒng)，改進(jìn)了已有的卷積神經(jīng)網(wǎng)絡(luò)問(wèn)句分類算法，探索了模型初始化參數(shù)與模型性能的關(guān)系。2.基于雙向長(zhǎng)短時(shí)記憶模型與注意力機(jī)制搭建了一套端到端開(kāi)放領(lǐng)域問(wèn)答系統(tǒng)，改進(jìn)了前人基于單向長(zhǎng)短時(shí)記憶模型的端到端問(wèn)答算法在問(wèn)句語(yǔ)義表征上的缺點(diǎn)。3.在Facebook bAbI、Ubuntu Dialogue Corpus等常用數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)對(duì)比，通過(guò)實(shí)驗(yàn)結(jié)果對(duì)比突出了本文設(shè)計(jì)的問(wèn)答算法的

3、有效性與合理性，并對(duì)實(shí)驗(yàn)結(jié)果做了較為詳細(xì)的分析。4.利用TensorFlow、Docker構(gòu)建了一套維護(hù)成本低、部署方便的問(wèn)答系統(tǒng)微服務(wù)，解決了TensorFlow框架線上服務(wù)部署困難的問(wèn)題。
　　本文的主要貢獻(xiàn)如下:1.創(chuàng)造性地發(fā)現(xiàn)了基于詞向量和卷積神經(jīng)網(wǎng)絡(luò)的問(wèn)句語(yǔ)義相似度算法性能與詞向量維數(shù)之間的關(guān)系，并通過(guò)實(shí)驗(yàn)加以驗(yàn)證。2.嘗試了通過(guò)復(fù)制插值的方式擴(kuò)展基于詞向量和卷積神經(jīng)網(wǎng)絡(luò)的問(wèn)句語(yǔ)義相似度算法中詞向量輸入部分的維數(shù)，解決了