基于知识图谱、TF-IDF和BERT模型的冬奥知识问答系统

摘要：

传统信息检索技术已经不能满足人们对信息获取效率的要求,智能问答系统应运而生,并成为自然语言处理领域一个非常重要的研究热点.本文针对中文的冬奥问答领域,提出了基于知识图谱、词频-逆文本频率指数(term frequency-inverse document frequency,TF-IDF)和自注意力机制的双向编码表示(bidirectional encoder representation from transformers,BERT)的3种冬奥问答系统模型.本文首次构建了冬奥问答数据集,并将上述3种方法集成在一起,应用于冬奥问答领域,用户可以使用本系统来快速准确地获取冬奥内容相关的问答知识.进一步,对3种模型的效果进行了测评,测量了3种模型各自的回答可接受率.实验结果显示BERT模型的整体效果略优于知识图谱和TDIDF模型,BERT模型对3类问题的回答可接受率都超过了96％,知识图谱和TDIDF模型对于复合统计问答对的回答效果不如BERT模型.

关键词：智能问答;冬奥问答;对话模型;知识图谱;TF-IDF;BERT

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目2017YFB1002104

在线出版日期：2021-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：819-826