基于知识图谱、TF-IDF和BERT模型的冬奥知识问答系统

• 作者: 罗玲 李硕凯 何清 杨骋骐 王宇洋恒 陈天宇
• 来源期刊: 智能系统学报
• 关键词: 智能问答 冬奥问答 对话模型 知识图谱 TF-IDF BERT
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 吴文俊人工智能科学技术奖论坛|Forum of Recipients of Wu Wenjun Artificial Intelligence Science and Technology Award
• 页码范围: 819-826
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11992/tis.202105047

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.