您的当前位置：运动机能障碍 > 病种知识 > 一周论文基于知识图谱的问答系统关键技术研
一周论文基于知识图谱的问答系统关键技术研
作者丨崔万云
学校丨复旦大学博士
研究方向丨问答系统，知识图谱
领域问答的基础在于领域知识图谱。对于特定领域，其高质量、结构化的知识往往是不存在，或者是极少的。本章希望从一般文本描述中抽取富含知识的句子，并将其结构化，作为问答系统的知识源。特别的，对于不同的领域，其“知识”的含义是不一样的。有些数据对于某一领域是关键知识，而对于另一领域则可能毫无意义。传统的知识提取方法没有考虑具体领域特征。
本章提出了领域相关的富含知识的句子提取方法，DAKSE。DAKSE从领域问答语料库和特定领域的纯文本文档中学习富含知识的句子表示。本章在真实数据上的实验验证了DAKSE可以以很高的准确率和召回率提取出富含知识的句子。本章还进一步将DAKSE的结果应用于领域信息提取，以自动提取结构化的领域知识。
1
概述
当我们在阅读文档搜索目标信息时，人类并不会以稳定的速度来浏览所有的词语。相反，人的眼睛会四处移动，定位文本的有意义部分，并建立一个整体的感知。扫视的能力能帮助人类跳过大量无用的信息，并专注于富含知识的句子。这引发了一个问题：机器如何像人类一样提取富含知识的句子？这个问题在本文中被称为富含知识句子的抽取问题。
例如，当阅读示例7.1中的斯坦福大学的语料库时，AI研究者会认为句子s1富含更多的信息，给予更多的白癜风专治医院北京最有名的治疗白癜风医院
