楊芳權(quán)

摘 要： 傳統(tǒng)智能問答系統(tǒng)能夠進行簡單的問題答復(fù)，但對于問句信息比較相似的問題不能準(zhǔn)確判別?；诖嗽O(shè)計基于包裝產(chǎn)業(yè)大數(shù)據(jù)知識圖譜的智能問答系統(tǒng)。通過知識圖譜問句映射進行問句信息框架設(shè)計，建立大數(shù)據(jù)知識圖譜數(shù)據(jù)庫，為問句信息的判別提供穩(wěn)定的數(shù)據(jù)環(huán)境；將問句信息轉(zhuǎn)化為eFAQ的判別語句，進行問句信息的理解；利用相似度計算判別相似問句信息的相似度，實現(xiàn)近似問句信息的判別問答。實驗數(shù)據(jù)表明，設(shè)計的智能問答系統(tǒng)能夠?qū)ο嗨茊柧湫畔⑦M行精準(zhǔn)的判別，并實現(xiàn)智能問答。

關(guān)鍵詞： 包裝產(chǎn)業(yè)； 大數(shù)據(jù)； 知識圖譜； 智能問答系統(tǒng)； 相似度計算； eFAQ語句

中圖分類號： TN911?34； TN919.3 文獻標(biāo)識碼： A 文章編號： 1004?373X（2018）04?0143?04

Abstract： The traditional intelligent question?answering （Q?A） system can answer simple questions， but it cannot accurately identify the questions that have similar question information. An intelligent Q?A system based on big data knowledge map of packaging industry is designed. The question information framework is designed by using question mapping of knowledge map. The database of big data knowledge map is established to provide a stable data environment for question information identification. The question information is transformed into the eFAQ decision statements for question information understanding. The information similarity of similar questions is identified by means of similarity calculation to realize discriminating answering of similar question information. The experimental data shows that the designed intelligent Q?A system can accurately identify similar question information and realize intelligent question and answering.

Keywords： packaging industry； big data； knowledge map； intelligent Q?A system； similarity calculation； eFAQ statement

0 引 言

當(dāng)前智能問答系統(tǒng)主要應(yīng)用在一些開放領(lǐng)域以及特定領(lǐng)域，智能問答系統(tǒng)在開放領(lǐng)域可回答文學(xué)、歷史、科研、新聞等多方面問題[1]，在特殊領(lǐng)域能夠回答制定好相關(guān)問題。智能問答系統(tǒng)能夠識別處理問句語言信息，針對問句信息的提問，能夠反饋出若干準(zhǔn)確的答案，而不是傳統(tǒng)應(yīng)答系統(tǒng)反饋的大量相關(guān)信息。傳統(tǒng)智能問答系統(tǒng)，在問句信息搜索引擎中，所反饋的信息準(zhǔn)確性較差，面對專業(yè)問題與近似問句信息不能進行精準(zhǔn)的判別[2]。針對上述問題，本文設(shè)計基于包裝產(chǎn)業(yè)大數(shù)據(jù)知識圖譜的智能問答系統(tǒng)。對系統(tǒng)框架進行設(shè)計，利用知識圖譜問句映射進行大數(shù)據(jù)問句信息識別，建立大數(shù)據(jù)知識圖譜數(shù)據(jù)庫存儲問句信息；把問句信息與eFAQ的判別語句進行轉(zhuǎn)化，能夠理解問句信息中的隱藏信息；使用相似度計算問句信息中的相似度，實現(xiàn)相似問句信息的判別問答。

為了保證該設(shè)計的有效性，進行實例分析結(jié)果表明，設(shè)計的智能問答系統(tǒng)，能夠?qū)ο嗨茊柧湫畔⑦M行判別，進行精準(zhǔn)的問答反饋。

1 系統(tǒng)框架設(shè)計

大數(shù)據(jù)知識圖譜為問句信息提供合理反饋信息，大數(shù)據(jù)知識圖譜中包括對問句信息中語義、句式、應(yīng)答信息等，同時也可對問句信息進行添加，大數(shù)據(jù)知識圖譜的使用代替領(lǐng)域?qū)＜业脑u審，能夠直接對問句信息進行數(shù)據(jù)性質(zhì)的反饋[3]。本文主要利用大數(shù)據(jù)知識圖譜問句映射實現(xiàn)智能問答系統(tǒng)的框架設(shè)計。

大數(shù)據(jù)知識圖譜問句映射將問句信息分成多個類型，使用eFAQ（extended Frequently Asked Questions）語句進行判別，依據(jù)問句信息的內(nèi)容，構(gòu)建一個高頻反饋的映射系統(tǒng)[4?5]。本文eFAQ語句判別過程與大數(shù)據(jù)知識圖譜相結(jié)合，利用大數(shù)據(jù)知識圖譜的特點保證問句信息能夠進行精準(zhǔn)反饋，同時eFAQ語句保證問句信息的單一性。系統(tǒng)將問句信息與答復(fù)信息分離，方便eFAQ語句判別階段的判別，每一項信息都存儲在大數(shù)據(jù)知識圖譜庫中，方便信息反饋調(diào)用[6]。

2 問句信息的轉(zhuǎn)化

2.1 建設(shè)大數(shù)據(jù)知識圖譜庫

建設(shè)大數(shù)據(jù)知識圖譜庫，能將問句信息與eFAQ語句進行存儲，同時為eFAQ語句判別過程提供一個穩(wěn)定的數(shù)據(jù)環(huán)境。大數(shù)據(jù)知識圖譜庫構(gòu)建過程將問句信息為主體，eFAQ語句信息表征信息作為支撐，本文在建設(shè)大數(shù)據(jù)知識圖譜庫中不僅保留了傳統(tǒng)的問句信息分類方法[7]，同時對問句信息按照識別內(nèi)容完成主題分類。大數(shù)據(jù)知識圖譜庫可作為問句信息預(yù)處理，識別問句信息的特征，通過大數(shù)據(jù)知識圖譜對問句信息進行句式語義分析，回避問句匹配數(shù)據(jù)計算，提升識別精準(zhǔn)程度[8]。大數(shù)據(jù)知識圖譜庫總體結(jié)構(gòu)如圖1所示。endprint

構(gòu)建的大數(shù)據(jù)知識圖譜庫將問句信息分為兩層，方便反饋過程中的調(diào)用。這樣的數(shù)據(jù)劃分也將eFAQ語句判別過程分離開，這樣繼承了傳統(tǒng)的問句分類方法的形式與優(yōu)點，并且為eFAQ語句判別過程清理了數(shù)據(jù)環(huán)境，保證了eFAQ語句判別過程的準(zhǔn)確性[9?10]。

針對問句信息的內(nèi)容特征并依托問句句式進行判別性的隔離，結(jié)合傳統(tǒng)的問句分類方法有辨別性地輔助判別語句，為實現(xiàn)eFAQ語句判別提供穩(wěn)定的數(shù)據(jù)環(huán)境。

2.2 問句信息與eFAQ語句的轉(zhuǎn)化

大數(shù)據(jù)知識圖譜庫建設(shè)后，需要把問句信息標(biāo)識為eFAQ語句，結(jié)合終端問句語義與問答信息之間的匹配情況，進行問句信息與eFAQ語句的轉(zhuǎn)化，其轉(zhuǎn)化流程為：

1） 將提出的問句信息進行信息識別，將內(nèi)置信息包含的語義進行語句代換[11]。

2） 分析對應(yīng)的載入信息，掃描相應(yīng)的eFAQ語句。如果未找到，跳至步驟4）；找到，按照步驟繼續(xù)轉(zhuǎn)換。

3） 反饋掃描結(jié)果，更新問答執(zhí)行指令進行應(yīng)答句式匹配（記錄每次匹配的結(jié)果），同時把本次問句信息記錄入庫，結(jié)束識別模塊。

4） 掃描到的eFAQ反饋語句進行代換。將未找到對應(yīng)eFAQ語句的問句信息進行入錄，輸出“暫無答案”[12]。

5） 把代換的問句信息推送到數(shù)據(jù)句式連接模塊。

6） 當(dāng)句式組建后，掃描eFAQ語句中的語義是否與問句語義相匹配，做句式判別。

7） 匯總轉(zhuǎn)化信息，要求滿足語義之間的轉(zhuǎn)換，保證轉(zhuǎn)化程度不低于83%。

8） 問句信息與eFAQ語義轉(zhuǎn)化結(jié)束后，進入判別反饋階段。

基于包裝產(chǎn)業(yè)大數(shù)據(jù)知識圖譜的智能問答系統(tǒng)，系統(tǒng)性能核心是問句信息的判別，直接掃描問句信息的反饋方法，反饋的信息具有一定的范圍性。使用eFAQ語句進行判別具有單一性，在判別過程中，隨著問句語義發(fā)生變化與變化，eFAQ語句能夠進行一對一的信息反饋，并且在大數(shù)據(jù)知識圖譜庫中每項信息都是分離的狀態(tài)，方便信息的反饋調(diào)用，提升智能問答系統(tǒng)的反饋速度。需要說明的是，為了保證eFAQ語句能夠進行精準(zhǔn)的判別，還需周期性地添加大數(shù)據(jù)知識圖譜庫中問句信息的對應(yīng)eFAQ語句，并清除攜帶性數(shù)據(jù)的使用記錄，具體過程在此不做闡述。

3 問句信息理解

對問句信息的理解能夠更好解析、分類是問答信息，eFAQ語句判別結(jié)果直接影響問句信息的理解過程[13]。把問句信息理解過程以問句映射的方式映射到大數(shù)據(jù)知識圖譜庫中，在問句信息的理解解析過程中，eFAQ語句以對應(yīng)映射形式進行語義理解，語義理解程度直接決定了問答系統(tǒng)的數(shù)據(jù)反饋程度。本文采用問句語義與eFAQ語句相結(jié)合的形式進行問句理解，總體流程如圖2所示。

問句理解過程中，需要對問句句式進行解析，定義關(guān)鍵詞以及關(guān)鍵語義，在類別的劃分上將關(guān)鍵詞進行提取，保證語義的特征性，方便進行問句信息的相似計算。

4 實例分析

4.1 數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備過程參考了常見問題分類體系數(shù)據(jù)，對CALIS虛擬系統(tǒng)中沉淀下來的135條問句信息，進行記錄并匯總整理，剔除反饋的口語化表述內(nèi)容信息、多條相同數(shù)據(jù)等。反饋數(shù)據(jù)應(yīng)具備一定的標(biāo)準(zhǔn)化表達內(nèi)容，結(jié)合包裝產(chǎn)業(yè)大數(shù)據(jù)知識圖譜，將包裝產(chǎn)業(yè)問句信息以“線上”為基準(zhǔn)，對提出的問題進行反饋。

針對包裝產(chǎn)業(yè)反映的問題，傳統(tǒng)問答系統(tǒng)進行問題回答過程中，CALIS虛擬系統(tǒng)會針對性地記錄判別數(shù)據(jù)以及應(yīng)答準(zhǔn)確性，對于本文設(shè)計的基于包裝產(chǎn)業(yè)大數(shù)據(jù)知識圖譜的智能問答系統(tǒng)也同樣記錄。本文試驗過程準(zhǔn)備數(shù)據(jù)如表1所示。

4.2 實例演示與分析

從表2中可以看出，基于包裝產(chǎn)業(yè)大數(shù)據(jù)知識圖譜的智能問答系統(tǒng)對相似問句信息判定比較理想，但這只反映了系統(tǒng)功能的一部分。從總體上講，本文設(shè)計的智能問答系統(tǒng)，在問句信息的反應(yīng)上以及對相識問句信息的判別上都好于傳統(tǒng)問答系統(tǒng)。

觀察圖3可以看出本文設(shè)計的智能問答系統(tǒng)的CALIS參數(shù)走勢明顯高于傳統(tǒng)問答系統(tǒng)，CALIS參數(shù)是本文使用統(tǒng)計軟件，能夠?qū)煞N問答系統(tǒng)的反饋數(shù)據(jù)進行正確性的統(tǒng)計，CALIS參數(shù)越大說明正確性越高。

5 結(jié) 語

本文設(shè)計基于包裝產(chǎn)業(yè)大數(shù)據(jù)知識圖譜的智能問答系統(tǒng)。建立大數(shù)據(jù)知識圖譜數(shù)據(jù)庫，通過句信息轉(zhuǎn)化為eFAQ的判別語句，進行問句信息的判別，利用相似度計算實現(xiàn)近似問句信息的判別問答。希望通過本文的研究能夠提升問答系統(tǒng)的準(zhǔn)確率。

參考文獻

[1] 杜澤宇，楊燕，賀樑.基于中文知識圖譜的電商領(lǐng)域問答系統(tǒng)[J].計算機應(yīng)用與軟件，2017，5（5）：153?159.

DU Zeyu， YANG Yan， HE Liang. Question answering system of electric business field based on Chinese knowledge map [J]. Computer applications and software， 2017， 5（5）： 153?159.

[2] 蘇楠.基于知識圖譜的國內(nèi)外大數(shù)據(jù)比較研究[J].中國科技論壇，2016（7）：142?147.

SU Nan. Knowledge mapping of the comparative study of big data at home and abroad [J]. Forum on science and technology in China， 2016（7）： 142?147.

[3] 王文輝，吳敏華，駱力明.基于相似度算法的英語智能問答系統(tǒng)設(shè)計與實現(xiàn)[J].計算機應(yīng)用與軟件，2017，34（6）：62?68.

WANG Wenhui， WU Minhua， LUO Liming. Design and implementation of English intelligent question?answering system based on similarity algorithm [J]. Computer applications and software， 2017， 34（6）： 62?68.endprint

[4] 李佳，楊婷婷，劉偉.數(shù)字多媒體旅游咨詢信息智能問答系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2017，40（12）：66?68.

LI Jia， YANG Tingting， LIU Wei. Design of digital multimedia intelligent question?answering system dealing with travel advisory information [J]. Modern electronics technique， 2017， 40（12）： 66?68.

[5] 俞思偉，范昊，王菲.基于知識圖譜的智能醫(yī)療研究[J].醫(yī)療衛(wèi)生裝備，2017，38（3）：109?111.

YU Siwei， FAN Hao， WANG Fei. Research on intelligent medicine based on knowledge graph [J]. Chinese medical equipment journal， 2017， 38（3）： 109?111.

[6] 劉超，馬東宇.智能問答的聊天機器人系統(tǒng)的設(shè)計與實現(xiàn)[J].信息技術(shù)，2017，45（5）：176?177.

LIU Chao， MA Dongyu. Design and implementation of chat robot based on intelligent question?answer system [J]. Information technology， 2017， 45（5）： 176?177.

[7] 詹川.大數(shù)據(jù)研究的知識圖譜分析[J].圖書館論壇，2015，56（4）：84?91.

ZHAN Chuan. Knowledge mapping analysis of research on big data [J]. Library tribune， 2015， 56（4）： 84?91.

[8] 張峰，楊曉藝，劉奕湘.電力智能問答平臺架構(gòu)的研究與設(shè)計[J].中州煤炭，2017，39（7）：193?195.

ZHANG Feng， YANG Xiaoyi， LIU Yixiang. Research and design of electric power intelligent question answering platform [J]. Zhongzhou coal， 2017， 39（7）： 193?195.

[9] 王輝，郁波，洪宇.基于知識圖譜的Web信息抽取系統(tǒng)[J].計算機工程，2017，43（6）：118?124.

WANG Hui， YU Bo， HONG Yu. Web information extraction system based on knowledge graph [J]. Computer engineering， 2017， 43（6）： 118?124.

[10] RAO Z Y， ZHANG Y X. Research on intelligent customer service system based on knowledge map [J]. Electric power information & communication technology， 2017， 5（67）： 145?156.

[11] GANG S U， WANG J， LING W Q， et al. Design and implementation of intelligent transportation analysis system based on big data [J]. Computer knowledge & technology， 2015， 78（4）： 123?200.

[12] TAO L I. Design of intelligent auxiliary teaching system based on knowledge grid [J]. Modern computer， 2017， 8（45）： 77?80.

[13] DENG T， L? Y， YANG Y， et al. Intelligent design system of turbine blades forging die based on knowledge driven [J]. Forging & stamping technology， 2015， 56（4）： 33?45.endprint