CN109977214A - 一种中小学教育的在线疑难问题解答推荐互动方法及*** - Google Patents
一种中小学教育的在线疑难问题解答推荐互动方法及*** Download PDFInfo
- Publication number
- CN109977214A CN109977214A CN201910248955.1A CN201910248955A CN109977214A CN 109977214 A CN109977214 A CN 109977214A CN 201910248955 A CN201910248955 A CN 201910248955A CN 109977214 A CN109977214 A CN 109977214A
- Authority
- CN
- China
- Prior art keywords
- answer
- knotty
- answers
- keyword
- online
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于中小学教育的在线疑难问题解答技术领域,尤其涉及一种中小学教育的在线疑难问题解答推荐互动方法,同时,本发明还提供一种中小学教育的在线疑难问题解答推荐互动***,本方法包括输入疑难问题、识别问题类别、关键词提取、问题答案抽取、相关度计算,本发明解决了现有技术存在缺少以网络资源为***的知识库利用自然语言识别技术来回答用户提出的问题的问题,具有填补了在互联网上利用自然语言识别技术来回答用户提出的问题这一空白、便于疑难问题的解答、提高了匹配效率、提高***的召回率和正确率的有益技术效果。
Description
技术领域
本发明属于中小学教育的在线疑难问题解答技术领域,尤其涉及一种中小学教育的在线疑难问题解答推荐互动方法,同时,本发明还提供一种中小学教育的在线疑难问题解答推荐互动***。
背景技术
中小学教育过程中,在线疑难问题解答,特别是计算一些数学题或者弄清楚一些相关的学习问题,通过Google搜索引擎虽然可以轻松换算各种度量单位,以及进行一些简单的数学计算,但是对于其他问题的解答,智能通过搜索结果的网页寻求答案,现有***需要解决这个问题,并为搜索引擎添加了能够就许多问题为学生提供答案的自动问答***,问答***是在一切需要迫切需求下诞生的一种新的智能***,它采用自然语言处理技术,一方面完成用户疑问的分析处理,另一方面完成准确答案的生成,让人们在杂乱无章的网络世界中快速、准确地获得真正自己想要的有用的答案,现有技术存在缺少以网络资源为***的知识库利用自然语言识别技术来回答用户提出的问题的问题。
发明内容
本发明提供一种中小学教育的在线疑难问题解答推荐互动方法及***,以解决上述背景技术中提出了现有技术存在缺少以网络资源为***的知识库利用自然语言识别技术来回答用户提出的问题的问题。
本发明所解决的技术问题采用以下技术方案来实现:一种中小学教育的在线疑难问题解答推荐互动方法,包括:
输入疑难问题;
识别问题类别:将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点;
关键词提取:将疑难问题的子句通过权重算法分割为若干确定的关键词;
问题答案抽取:将疑难问题相应的候选文档的语义框架通过比较抽取将相应位置的段落作为问题答案;
相关度计算:将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序。
进一步,所述输入疑难问题包括疑难问题的疑问词包括什么、谁、如何、怎样、何时、是多少以及其他相关疑问词。
进一步,所述识别问题类别还包括若不少于一个模板与疑难问题相匹配,则根据贪心算法根据最大匹配原则进行匹配。
进一步,所述模板匹配的方法中的匹配模板包括:
类型 | 疑难问题的疑问词 | 参考句子 |
问人 | 谁、什么人 | 这篇文章的作者是谁 |
问地点 | 在哪里 | 湖南省的省会在哪里 |
问名称 | 是什么 | 湖南的简称是什么 |
问时间和日期 | 是哪天 | 你的生日是哪天 |
问金钱 | 多少钱 | 这台电脑多少钱 |
问数字 | 长多少、宽多少 | 这棵树高多少 |
问其他 | 如何、怎么办 | 如何提高人口素质 |
进一步,所述关键词提取包括关键词的确定原则包括将疑难问题除去疑问词以外的以名词、或动词、或形容词以及其他词性的词作为关键词。
进一步,所述关键词提取的权重算法包括:
若关键词为必须含有性关键词,则所述必须含有性关键词确定为强限制性关键词;
若关键词为非必须含有性关键词,则所述必须含有性关键词确定为弱限制性关键词。
进一步,所述问题答案抽取包括所述将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题***括遍历疑难问题相应的候选文档的所有句子,将遍历的所有句子通过语义分析获取语义框架,将候选文档的语义框架与疑难问题的语义框架进行比较,若匹配成功,则抽取候选文档的相应位置的词和句子作为问题答案。
进一步,所述问题答案抽取的具体算法包括:
a、确定疑难问题关键词提取处理后的问题类别;
b、扫描所有候选文档所有段落并找出与疑难问题相匹配的候选答案;
c、将每个候选答案分配一个初始分数;
d、根据权重算法进行加减分操作;
e、选择最大权重分数的可能答案;
f、将可能答案分数设置为零;
g、重复选择最大权重分数的可能答案并将可能答案分数设置为零,直至选择出几个合适的候选答案作为问题答案。
进一步,所述相关度计算包括将问题答案的几个候选答案通过语义知识资源库与疑难问题匹配计算并得出相关度值;
所述相关度判断包括:
若所有相关度值均小于相关度阈值,则确定问题答案的几个候选答案均未与疑难问题匹配;否则将相关度值最高的候选答案确定为最匹配问题答案;
所述相关度排序包括将问题答案的几个候选答案按照相关度值大小进行排序,将相关度最高的几个问题答案确定为最终结果并以列表集的形式展现。
同时,本发明还提供一种中小学教育的在线疑难问题解答推荐互动***,包括在线疑难问题解答平台,所述在线疑难问题解答平台用于:
输入疑难问题,将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点,将疑难问题的子句通过权重算法分割为若干确定的关键词,将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题答案,将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序。
有益技术效果:
本专利采用输入疑难问题,将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点,将疑难问题的子句通过权重算法分割为若干确定的关键词,将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题答案,将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序,由于用流水线的方式提出基于互联网技术问题的解答,并提出了引入自然语言理解以及利用自然语言对基于互联网技术的问答进行预处理,由于基于互联网的疑难问题解答可以应用于网络教育上,可以建立学生的档案跟踪学生的进度,挖掘学生的模式,做到因材施教,对学生的问题进行解答并共享,可以相互启发,填补了在互联网上利用自然语言识别技术来回答用户提出的问题这一空白。
附图说明
图1是本发明一种中小学教育的在线疑难问题解答推荐互动方法总流程图;
图2是本发明一种中小学教育的在线疑难问题解答推荐互动方法的具体流程图;
具体实施方式
以下结合附图对本发明做进一步描述:
图中:
S101-输入疑难问题;
S102-识别问题类别;
S103-关键词提取;
S104-问题答案抽取;
S105-相关度计算;
S201-疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点;
S202-将疑难问题的子句通过权重算法分割为若干确定的关键词;
S203-将疑难问题相应的候选文档的语义框架通过比较抽取将相应位置的段落作为问题答案;
S204-将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序;
实施例:
本实施例:如图1、2所示,一种中小学教育的在线疑难问题解答推荐互动方法,包括:
输入疑难问题S101;
识别问题类别S102:将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点S201;
关键词提取S103:将疑难问题的子句通过权重算法分割为若干确定的关键词S202;
问题答案抽取S104:将疑难问题相应的候选文档的语义框架通过比较抽取将相应位置的段落作为问题答案S203;
相关度计算S105:将问题答案的几个候选答案进行相关度计算S105和相关度判断以及相关度排序S204。
由于采用输入疑难问题,将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点,将疑难问题的子句通过权重算法分割为若干确定的关键词,将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题答案,将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序,由于用流水线的方式提出基于互联网技术问题的解答,并提出了引入自然语言理解以及利用自然语言对基于互联网技术的问答进行预处理,由于基于互联网的疑难问题解答可以应用于网络教育上,可以建立学生的档案跟踪学生的进度,挖掘学生的模式,做到因材施教,对学生的问题进行解答并共享,可以相互启发,填补了在互联网上利用自然语言识别技术来回答用户提出的问题这一空白。
所述输入疑难问题S101包括疑难问题的疑问词包括什么、谁、如何、怎样、何时、是多少以及其他相关疑问词。
由于采用输入疑难问题,所述输入疑难问题包括疑难问题的疑问词包括什么、谁、如何、怎样、何时、是多少以及其他相关疑问词,由于一般的问题类型可以大致分为“问人”、“问地点”、“问名称”、“问时间和日期”、“问金钱”、“问数字和其他”,而一般的问题通常是“什么”、“谁”、“如何”、“怎样”、“何时”、“是多少”等,通过上述分类可以将问题简化,便于疑难问题的解答。
所述识别问题类别S102还包括若不少于一个模板与疑难问题相匹配,则根据贪心算法根据最大匹配原则进行匹配。
所述模板匹配的方法中的匹配模板包括:
类型 | 疑难问题的疑问词 | 参考句子 |
问人 | 谁、什么人 | 这篇文章的作者是谁 |
问地点 | 在哪里 | 湖南省的省会在哪里 |
问名称 | 是什么 | 湖南的简称是什么 |
问时间和日期 | 是哪天 | 你的生日是哪天 |
问金钱 | 多少钱 | 这台电脑多少钱 |
问数字 | 长多少、宽多少 | 这棵树高多少 |
问其他 | 如何、怎么办 | 如何提高人口素质 |
由于采用识别问题类别:将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点;所述识别问题类别还包括若不少于一个模板与疑难问题相匹配,则根据贪心算法根据最大匹配原则进行匹配,由于基于模板匹配的方法是识别类别中研究的热点,如果有多个模板与问题相匹配,根据贪心算法选择最大匹配的原则进行匹配,如提出的疑难问题是“当今男子100米短跑世界记录保持者是谁?”包含“是谁”,则谁与问题相匹配,这种情况下,问题类型就为谁,通过模板匹配的方法识别的特点是简单且直接,因此,提高了匹配效率。
所述关键词提取S103包括关键词的确定原则包括将疑难问题除去疑问词以外的以名词、或动词、或形容词以及其他词性的词作为关键词。
所述关键词提取S103的权重算法包括:
若关键词为必须含有性关键词,则所述必须含有性关键词确定为强限制性关键词;
若关键词为非必须含有性关键词,则所述必须含有性关键词确定为弱限制性关键词。
由于采用关键词提取:将疑难问题的子句通过权重算法分割为若干确定的关键词,所述关键词提取包括关键词的确定原则包括将疑难问题除去疑问词以外的以名词、或动词、或形容词以及其他词性的词作为关键词,所述关键词提取的权重算法包括:若关键词为必须含有性关键词,则所述必须含有性关键词确定为强限制性关键词;若关键词为非必须含有性关键词,则所述必须含有性关键词确定为弱限制性关键词,由于对提出的问题关键词进行提取的正确率影响到后面的检索结果,一般来说,关键词多以名词、动词、形容词等词性组成,在实际应用***中,可以去除疑问词意外的大部分词作为关键词,这样可以提高检索的精度,关键词被赋予不同的权重,如“必须含有”性关键词一般对问题由非常强限定性作用,如果不含有“必须含有”性关键词得出的答案是正确的可能性就非常小,由此可见,通过关键词的作用可以提高检索的准确性,在答案中某些词并不是原来问题的关键词,这些就可以认为是关键词的扩展,采用扩展方式用以提高***的召回率和正确率。
所述问题答案抽取S104包括所述将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题***括遍历疑难问题相应的候选文档的所有句子,将遍历的所有句子通过语义分析获取语义框架,将候选文档的语义框架与疑难问题的语义框架进行比较,若匹配成功,则抽取候选文档的相应位置的词和句子作为问题答案。
所述问题答案抽取S104的具体算法包括:
a、确定疑难问题关键词提取S103处理后的问题类别;
b、扫描所有候选文档所有段落并找出与疑难问题相匹配的候选答案;
c、将每个候选答案分配一个初始分数;
d、根据权重算法进行加减分操作;
e、选择最大权重分数的可能答案;
f、将可能答案分数设置为零;
g、重复选择最大权重分数的可能答案并将可能答案分数设置为零,直至选择出几个合适的候选答案作为问题答案。
由于采用问题答案抽取:将疑难问题相应的候选文档的语义框架通过比较抽取将相应位置的段落作为问题答案;所述问题答案抽取包括所述将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题***括遍历疑难问题相应的候选文档的所有句子,将遍历的所有句子通过语义分析获取语义框架,将候选文档的语义框架与疑难问题的语义框架进行比较,若匹配成功,则抽取候选文档的相应位置的词和句子作为问题答案,所述问题答案抽取的具体算法包括:a、确定疑难问题关键词提取处理后的问题类别;b、扫描所有候选文档所有段落并找出与疑难问题相匹配的候选答案;c、将每个候选答案分配一个初始分数;d、根据权重算法进行加减分操作;e、选择最大权重分数的可能答案;f、将可能答案分数设置为零;g、重复选择最大权重分数的可能答案并将可能答案分数设置为零,直至选择出几个合适的候选答案作为问题答案,由于答案在抽取的过程中,要遍历候选文档中的所有句子,对当前句子进行语义分析,得到语义框架,然后将得到的语义框架与查询句语义框架进行比较,如果匹配则可以抽取相应位置的词或句子作为答案,常用的答案抽取算法如下:1、确定问题处理后答案的类型;2、扫描所有段落找出与1匹配的候选答案;3、给每个答案分配一个初始的分数;4、根据权重进行加减分计算;5、选出最大分数的可能答案;6、将5中得出的答案分数设置为零;7、重复5、6过程,直到选出几个合适的候选答案;
所述相关度计算S105包括将问题答案的几个候选答案通过语义知识资源库与疑难问题匹配计算并得出相关度值;
所述相关度判断包括:
若所有相关度值均小于相关度阈值,则确定问题答案的几个候选答案均未与疑难问题匹配;否则将相关度值最高的候选答案确定为最匹配问题答案;
所述相关度排序包括将问题答案的几个候选答案按照相关度值大小进行排序,将相关度最高的几个问题答案确定为最终结果并以列表集的形式展现。
由于采用相关度计算:将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序,所述相关度计算包括将问题答案的几个候选答案通过语义知识资源库与疑难问题匹配计算并得出相关度值,所述相关度判断包括:若所有相关度值均小于相关度阈值,则确定问题答案的几个候选答案均未与疑难问题匹配;否则将相关度值最高的候选答案确定为最匹配问题答案;所述相关度排序包括将问题答案的几个候选答案按照相关度值大小进行排序,将相关度最高的几个问题答案确定为最终结果并以列表集的形式展现,由于计算相关度的方法包括利用语义知识资源库,计算用户查询与知识库中所有问题的语义相关度,如果语义相关度的值小于阈值M,那么就可以认为知识库中没有用户所提出的问题,否则就将知识库中与用户查询语义相关度最高的问题所对应的答案,提高给用户,计算出所有候选答案的相关度之后,按照相关度的大小进行排序,取相关度最高的几个候选答案作为最终结果,以列表形式展现。
同时,本发明还提供一种中小学教育的在线疑难问题解答推荐互动***,包括在线疑难问题解答平台,所述在线疑难问题解答平台用于:
输入疑难问题S101,将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点S201,将疑难问题的子句通过权重算法分割为若干确定的关键词S202,将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题答案,将问题答案的几个候选答案进行相关度计算S105和相关度判断以及相关度排序S204。
工作原理:
本专利通过输入疑难问题,将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点,将疑难问题的子句通过权重算法分割为若干确定的关键词,将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题答案,将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序,由于用流水线的方式提出基于互联网技术问题的解答,并提出了引入自然语言理解以及利用自然语言对基于互联网技术的问答进行预处理,由于基于互联网的疑难问题解答可以应用于网络教育上,可以建立学生的档案跟踪学生的进度,挖掘学生的模式,做到因材施教,对学生的问题进行解答并共享,可以相互启发,本发明解决了现有技术存在缺少以网络资源为***的知识库利用自然语言识别技术来回答用户提出的问题的问题,具有填补了在互联网上利用自然语言识别技术来回答用户提出的问题这一空白、便于疑难问题的解答、提高了匹配效率、提高***的召回率和正确率的有益技术效果。
利用本发明的技术方案,或本领域的技术人员在本发明技术方案的启发下,设计出类似的技术方案,而达到上述技术效果的,均是落入本发明的保护范围。
Claims (10)
1.一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,包括:
输入疑难问题;
识别问题类别:将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点;
关键词提取:将疑难问题的子句通过权重算法分割为若干确定的关键词;
问题答案抽取:将疑难问题相应的候选文档的语义框架通过比较抽取将相应位置的段落作为问题答案;
相关度计算:将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序。
2.根据权利要求1所述的一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,所述输入疑难问题包括疑难问题的疑问词包括什么、谁、如何、怎样、何时、是多少以及其他相关疑问词。
3.根据权利要求1所述的一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,所述识别问题类别还包括若不少于一个模板与疑难问题相匹配,则根据贪心算法根据最大匹配原则进行匹配。
4.根据权利要求3所述的一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,所述模板匹配的方法中的匹配模板包括:
5.根据权利要求1所述的一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,所述关键词提取包括关键词的确定原则包括将疑难问题除去疑问词以外的以名词、或动词、或形容词以及其他词性的词作为关键词。
6.根据权利要求5所述的一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,所述关键词提取的权重算法包括:
若关键词为必须含有性关键词,则所述必须含有性关键词确定为强限制性关键词;
若关键词为非必须含有性关键词,则所述必须含有性关键词确定为弱限制性关键词。
7.根据权利要求1所述的一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,所述问题答案抽取包括所述将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题***括遍历疑难问题相应的候选文档的所有句子,将遍历的所有句子通过语义分析获取语义框架,将候选文档的语义框架与疑难问题的语义框架进行比较,若匹配成功,则抽取候选文档的相应位置的词和句子作为问题答案。
8.根据权利要求7所述的一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,所述问题答案抽取的具体算法包括:
a、确定疑难问题关键词提取处理后的问题类别;
b、扫描所有候选文档所有段落并找出与疑难问题相匹配的候选答案;
c、将每个候选答案分配一个初始分数;
d、根据权重算法进行加减分操作;
e、选择最大权重分数的可能答案;
f、将可能答案分数设置为零;
g、重复选择最大权重分数的可能答案并将可能答案分数设置为零,直至选择出几个合适的候选答案作为问题答案。
9.根据权利要求1所述的一种中小学教育的在线疑难问题解答推荐互动方法,其特征在于,所述相关度计算包括将问题答案的几个候选答案通过语义知识资源库与疑难问题匹配计算并得出相关度值;
所述相关度判断包括:
若所有相关度值均小于相关度阈值,则确定问题答案的几个候选答案均未与疑难问题匹配;否则将相关度值最高的候选答案确定为最匹配问题答案;
所述相关度排序包括将问题答案的几个候选答案按照相关度值大小进行排序,将相关度最高的几个问题答案确定为最终结果并以列表集的形式展现。
10.一种中小学教育的在线疑难问题解答推荐互动***,其特征在于,包括在线疑难问题解答平台,所述在线疑难问题解答平台用于:
输入疑难问题,将疑难问题的疑问词通过模板匹配的方法识别类别中研究的热点,将疑难问题的子句通过权重算法分割为若干确定的关键词,将疑难问题相应的候选文档的语义框架通过比较抽取相应位置的段落作为问题答案,将问题答案的几个候选答案进行相关度计算和相关度判断以及相关度排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910248955.1A CN109977214A (zh) | 2019-03-29 | 2019-03-29 | 一种中小学教育的在线疑难问题解答推荐互动方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910248955.1A CN109977214A (zh) | 2019-03-29 | 2019-03-29 | 一种中小学教育的在线疑难问题解答推荐互动方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109977214A true CN109977214A (zh) | 2019-07-05 |
Family
ID=67081599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910248955.1A Pending CN109977214A (zh) | 2019-03-29 | 2019-03-29 | 一种中小学教育的在线疑难问题解答推荐互动方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977214A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395397A (zh) * | 2019-08-13 | 2021-02-23 | 北京国双科技有限公司 | 一种自动应答方法、装置、电子设备及存储介质 |
CN114385830A (zh) * | 2022-01-14 | 2022-04-22 | 中国建设银行股份有限公司 | 运维知识在线问答方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425640A (zh) * | 2012-05-14 | 2013-12-04 | 华为技术有限公司 | 一种多媒体问答***及方法 |
CN103902652A (zh) * | 2014-02-27 | 2014-07-02 | 深圳市智搜信息技术有限公司 | 自动问答*** |
CN104536991A (zh) * | 2014-12-10 | 2015-04-22 | 乐娟 | 答案抽取方法及装置 |
CN105824933A (zh) * | 2016-03-18 | 2016-08-03 | 苏州大学 | 基于主述位的自动问答***及其实现方法 |
CN106777232A (zh) * | 2016-12-26 | 2017-05-31 | 上海智臻智能网络科技股份有限公司 | 问答抽取方法、装置及终端 |
CN108804529A (zh) * | 2018-05-02 | 2018-11-13 | 深圳智能思创科技有限公司 | 一种基于Web的问答***实现方法 |
-
2019
- 2019-03-29 CN CN201910248955.1A patent/CN109977214A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425640A (zh) * | 2012-05-14 | 2013-12-04 | 华为技术有限公司 | 一种多媒体问答***及方法 |
CN103902652A (zh) * | 2014-02-27 | 2014-07-02 | 深圳市智搜信息技术有限公司 | 自动问答*** |
CN104536991A (zh) * | 2014-12-10 | 2015-04-22 | 乐娟 | 答案抽取方法及装置 |
CN105824933A (zh) * | 2016-03-18 | 2016-08-03 | 苏州大学 | 基于主述位的自动问答***及其实现方法 |
CN106777232A (zh) * | 2016-12-26 | 2017-05-31 | 上海智臻智能网络科技股份有限公司 | 问答抽取方法、装置及终端 |
CN108804529A (zh) * | 2018-05-02 | 2018-11-13 | 深圳智能思创科技有限公司 | 一种基于Web的问答***实现方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112395397A (zh) * | 2019-08-13 | 2021-02-23 | 北京国双科技有限公司 | 一种自动应答方法、装置、电子设备及存储介质 |
CN114385830A (zh) * | 2022-01-14 | 2022-04-22 | 中国建设银行股份有限公司 | 运维知识在线问答方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107329949B (zh) | 一种语义匹配方法和*** | |
CN109213999B (zh) | 一种主观题评分方法 | |
CN103425635B (zh) | 一种答案推荐方法和装置 | |
KR101923650B1 (ko) | 문장 임베딩 및 유사 질문 검색을 위한 장치 및 방법 | |
CN104137102A (zh) | 非事实型询问应答***以及计算机程序 | |
Abdi et al. | A question answering system in hadith using linguistic knowledge | |
CN107247751B (zh) | 基于lda主题模型的内容推荐方法 | |
CN108681548B (zh) | 一种律师信息处理方法和*** | |
Santhanavijayan et al. | Automatic generation of multiple choice questions for e-assessment | |
Citawan et al. | Automatic essay scoring in E-learning system using LSA method with N-gram feature for Bahasa Indonesia | |
CN114706972A (zh) | 一种基于多句压缩的无监督科技情报摘要自动生成方法 | |
CN112417119A (zh) | 一种基于深度学习的开放域问答预测方法 | |
CN113342958A (zh) | 问答匹配方法、文本匹配模型的训练方法和相关设备 | |
CN109977214A (zh) | 一种中小学教育的在线疑难问题解答推荐互动方法及*** | |
KR20230171234A (ko) | 사용자 참여 기반의 질의응답 서비스 제공방법 및 이를 위한 장치 | |
Alshammari et al. | TAQS: an Arabic question similarity system using transfer learning of BERT with BILSTM | |
Omran et al. | Automatic essay grading system for short answers in English language | |
Yogish et al. | Survey on trends and methods of an intelligent answering system | |
JP6942759B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
Fattoh | Automatic multiple choice question generation system for semantic attributes using string similarity measures | |
Dündar et al. | A Hybrid Approach to Question-answering for a Banking Chatbot on Turkish: Extending Keywords with Embedding Vectors. | |
Viriyadamrongkij et al. | Measuring difficulty levels of JavaScript questions in Question-Answer Community based on concept hierarchy | |
CN116362331A (zh) | 一种基于人机协同构建知识图谱的知识点填充方法 | |
Mozafari et al. | Attention-based pairwise multi-perspective convolutional neural network for answer selection in question answering | |
Christophe et al. | A methodology supporting syntactic, lexical and semantic clarification of requirements in systems engineering |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |