logo资料库

毕业论文开题报告（董元浩）.docx

发布时间：2022-05-31 发布人：admin 分类：说明书 资料大小：0.02M 资料格式：docx 举报 版权申诉
第1页 / 共6页
第2页 / 共6页
第3页 / 共6页
第4页 / 共6页
第5页 / 共6页
第6页 / 共6页
资料共6页，全文预览结束
    基于知识图谱的校园信息自动问答机器人 研究开题报告 一、 毕业论文题目的来源 目前，随着互联网行业的迅速发展，人们对于互联网智能化的需 求也越来越高。其中，人工智能（AI）在互联网行业的发展如火如荼， 越来越多的行业开始去钻研 AI，以期取得在某方面 AI 能取得与人类 想抵甚至超过人类的作用，来帮助人们更好地完成工作。 基于知识图谱的校园信息自动问答机器人研究，是目前还未被完 全研究的一个方向。一方面，校园信息方面繁多且不易查找；另一方 面，自动问答机器人目前的回答问题水平还有待提高，经常是答非所 问或者无法实现联系上下文式的学习式答题。所以，我决定着手解决 基于知识图谱的校园信息自动问答机器人研究。 二、 毕业论文选题的目的和意义 本选题主要是围绕着解决两个基本问题展开的。一是校园信息的 问答，二是机器人的高级回答问题能力。据教育部统计，截止 2018 年 3 月 30 号，全国高等学校数量已达 2879 所，目前数量估计还有提 高。可见，高校相关的信息极为繁多，查找起来自然极为困难。因此， 有一个智能帮助人们检索校园信息的 AI 亟需出现。而谈到智能的 AI， 就自然而然的想到用自动问答机器人去解决该问题。所以，基于知识 图谱的校园信息自动问答机器人研究，目前，有很大研究空间。
    三、 国内外关于该选题的研究现状和发展趋势 就国内外现状，智能问答机器人的应用十分火爆。很多企业都不 考虑招收大量人工客服，采用智能问答机器人来更加快速并标准的利 用知识库的知识，满足企业客户的要求，并可以以自然的对话或文字 聊天的形式进行客服咨询。目前智能问答机器人被广泛应用于电商、 健康、教育、金融等各个行业，进行了算法优化和个性化定制，在语 音识别技术方面也有着不俗的表现。 近年来，随着深度学习技术的发展，各大公司关于聊天机器人的 应用也是层出不穷，从微软的小冰、苹果的 Siri、Google now 到百 度的度秘，人工机器人已经被各大公司看做是下一代人工交互的服务 渠道。 问答机器人有着十分多样的分类。 按领域分类：从话题层面进行区分，在开放领域下，用户可以和 机器人聊任何话题，在专业领域下，只能聊机器人设定的主题。 按场景分类：按场景分为多轮对话和单轮对话。多轮对话是用户 带着特定目的而来，希望得到满足特定限制条件的信息或服务，而单 轮对话当前大量研究都是面向短对话的，如微软的小冰。 按技术路线分类：可以分为检索式对话聊天系统、生成式对话聊 天系统、检索和生成相结合的方法。检索式对话聊天系统:在已有的 对话语料库中通过排序学习和匹配技术找到适合当前输入的最佳回 复。生成式对话聊天系统:通过一种类似机器翻译中常用的编码—解
    码的过程去逐字逐句地生成一个回复。 按形式分类：可以分为主动和被动。主动的对话，在人机对话的 时候，机器人能引入新内容以打破对话僵滞的状态。被动的对话，一 般认为，人类应该主导人机对话，所以传统方法中，机器人是被动的， 只需回应就够了。 具体关于自动问答机器人的技术，目前市面上见到的无非是 QQ 小 冰、微信小冰以及各大平台拥有的一些功能低级化机器人，这些机器 人虽然能够实现跟人们交流，但是能够交流的能力十分有限。存在的 最大问题有两点，一是经常会出现答非所问的情况，机器人只能根据 自己的知识图谱去检索答案，很有可能并未找到合适的答案，这要从 算法方面加以改进；二是关于机器人的多级问答功能，目前的机器人 大多只能问一句答一句，很少根据上下文的意思来实现衔接，这也是 造成机器人答非所问十分重要的原因。 可以预见，未来的人工智能必然是互联网时代的大势所趋。2017 年，中国就发布了“下一代人工智能发展计划”，计划最终 2030 年 成为人工智能领域的全球领导者。校园信息自动问答方面研究的缺少， 也给本次论文设计提供了很大的研究空间。 四、 毕业论文（设计）的主要内容、研究方法、技术路线及 可行性分析 主要内容：基于知识图谱的校园信息自动问答机器人研究 通过知识图谱的构建，将大量高校相关信息导入该知识图谱。然
    后通过有监督的机器学习，通过大量训练集对机器人进行深度学习研 究，一方面解析人们提出的与高校有关的问题，另一方面对从知识图 谱中检索并由此经过自然语言分析出来的答案进行过滤，从而得出人 们需要的答案。并且能够实现上下文式的高级解答问句分析。 研究的机器人类型：基于校园信息自动问答的专业领域机器、多轮对 话、检索式对话聊天、被动聊天、文字识别机器人 研究方法：有监督的机器学习 通过大量训练集进行机器学习，然后不断与正确结果进行比较， 不断改进模型，从而提高机器学习之后的回答问题正确率。 技术路线：1）知识图谱：网络文本资源获取、机器学习方法、大规 模语义计算和推理、知识表示体系、知识库构建； 2）问句解析：中文分词、词性标注、实体标注、概念类别标注、 句法分析、语义分析、逻辑结构标注、指代消解、关联关系标注、问 句分类（简单问句还是复杂问句、实体型还是段落型还是篇章级问题）、 答案类别确定； 3）答案生成与过滤：候选答案抽取、关系推演（并列关系还是递 进关系还是因果关系）、吻合程度判断、噪声过滤 可行性分析：通过爬虫将各大高校的相关信息爬取下来，整理成知识 库，对其进行实体识别以及关系抽取，构建成知识图谱，随后利用该 知识图谱通过自然语言学习让机器人进行有监督的深度学习，反复的 训练之后，就能实现基于知识图谱的校园信息自动问答机器人研究。 评价指标：人工平均（通过对大量测试对话，由人工评价来确定回答
    问题的正确与否） 五、 毕业论文（设计）的进度安排 11、12 月由于要忙于考研，暂时不针对毕业论文安排相关进度， 考研完成后，当立即开始着手研究。目前大致进度规划如下： 12 月底：进行毕业论文有关基础知识的学习； 1 月：对高校信息进行汇总，构建出知识图谱模型框架； 2 月：构建出基本的基于知识图谱的校园信息自动问答机器人研 究模型，能够简单回答大部分问题； 3 月：对自动问答机器人进行优化，能满足结合上下文式的回答 问题要求。 六、 毕业论文（设计）的主要参考文献 [1] Marty Swant, "Google's new voice-activted analytics fue ed by A! will simplify data queres." AdWeek,july18.2017 [2]吴友政，赵军，段湘煌,等.问答式检索技术及评测研究综述[I]. 中文信息学报,2012(10) [3] Burke RDHammond K J, Kulyukin. Question answerin g from frequently asked question files:cxperiences with the FAQ finder system p[J] AI Magazine, 1997(18):57-66 [4]钟义信，中国人工智能进展[M]。北京:北京邮电大学出版社，
    2001: 1129-1132.[5] TREC(Text REtrcival Conference)官方 网站. http://trec.nist.gov/, 2014.[6] Askjceves 官方网 站，htp://www.askjeeves.com/，2016. [5] http/ww ai mit edu/projects/infolab/. 2017. [6] Dell Zhang, Wee Sun Lee. A Web-based Question Answeringg System[C]// The SMA Annual Symposium, Singa Pore, 2003. [7] Answer Bus 官方网站. http://www .answerbus com/， 2012. [8]Lide Wu et al. FDU at TREC-10: Filtering，QA， Web and Video Tasks[CV/ l0th Text REtrieval Coference, Gaithersburg, USA, Nov. 2001. [9]杨理想，面向特定领域的问答系统及其在 NAO 机器人平台上的实 现[D].南京大学，2015. [10]呼大为，陈恩红,刘文印，即时交互式问答系统的设计与实现[J]. 小型微型计算机系统，2009, 30(9):1761-1766. [11]魏楚元，湛强，樊孝忠,等.融合事件信息的中文间答系统问题语 义表征[J].中文信息学报, 2015, 29(1):146-154. [12] Aric jenkins, 'Why Canada believes it can lead gobal Al innovation," Forrune. October 17,2018.
    分享到：
    赞 收藏

    相关推荐

    资料库

    人工智能

    共收录2047份资料，累计62个分类，关注成员有19位，主要包括：GNSS,Pico-SIM868-GSM,GPRS,NB-IoT,GPRSHAT,SIM7070GCat-M,GNSSHAT,GSM,NB-IoTHAT,SIM7080GCat-M,R800CGSM,SIM800CGSM,UPSPowerModule(B),UPSPowerModule,Pico-SIM7020C-NB-IoT,SIM7028NB-IoTHAT,SIM7020CNB-IoTHAT,SIM7000XNB-IoTHAT,A7670CCat-1HAT,A7600C1Cat-1,SIM7600X4G&LTECat-1HAT,SIM7600X4GDONGLE用户手册,RM520N-GL5GHAT,RM500Q-GL5GHAT,RM500U-CN5GHAT,SIM820X-M25GforJetsonNano,AudioCardforJetsonNano,SIM7600G-H4GforJetsonNano,OpenNCC-Lite-4G8M,IMX219-77Camera,13.3inche-PaperHAT,10.3inche-PaperHAT(D),10.3inche-PaperHAT,9.7inche-PaperHAT,7.8inche-PaperHAT,6inchHDTouche-PaperHAT,6inchHDe-PaperHAT,6inche-PaperHAT,5.83inche-PaperHAT(C),LCD-Clock-A,0.95inchRGBOLED(A),0.96inchRGBOLEDModule,0.96inchOLEDModule,0.96inchOLED(A),1.27inchRGBOLEDModule,1.3inchOLEDModule(C),1.3inchOLED(A),1.32inchOLEDModule,1.5inchRGBOLEDModule,1.5inchOLEDModule,JETSONORINNX,自然语言处理,搜索引擎,VR,计算广告,深度学习,机器学习

    热门标签

    GNSS Pico-SIM868-GSM GPRS NB-IoT GPRSHAT SIM7070GCat-M GNSSHAT GSM NB-IoTHAT SIM7080GCat-M R800CGSM SIM800CGSM UPSPowerModule(B) UPSPowerModule Pico-SIM7020C-NB-IoT SIM7028NB-IoTHAT SIM7020CNB-IoTHAT SIM7000XNB-IoTHAT A7670CCat-1HAT A7600C1Cat-1 SIM7600X4G&LTECat-1HAT SIM7600X4GDONGLE用户手册 RM520N-GL5GHAT RM500Q-GL5GHAT RM500U-CN5GHAT SIM820X-M25GforJetsonNano AudioCardforJetsonNano SIM7600G-H4GforJetsonNano OpenNCC-Lite-4G8M IMX219-77Camera 13.3inche-PaperHAT 10.3inche-PaperHAT(D) 10.3inche-PaperHAT 9.7inche-PaperHAT 7.8inche-PaperHAT 6inchHDTouche-PaperHAT 6inchHDe-PaperHAT 6inche-PaperHAT 5.83inche-PaperHAT(C) LCD-Clock-A 0.95inchRGBOLED(A) 0.96inchRGBOLEDModule 0.96inchOLEDModule 0.96inchOLED(A) 1.27inchRGBOLEDModule 1.3inchOLEDModule(C) 1.3inchOLED(A) 1.32inchOLEDModule 1.5inchRGBOLEDModule 1.5inchOLEDModule JETSONORINNX 自然语言处理 搜索引擎 VR 计算广告 深度学习 机器学习

    最新资料