期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合知识图谱和语义信息的烟叶分级问答系统
1
作者
陈婷
朱昌群
《湖南农业大学学报(自然科学版)》
北大核心
2025年第3期97-109,共13页
针对烟叶分级领域知识冗余且没有专业化平台用于学术检索的现状,采集多源烟叶分级数据并结合自顶向下的方法构建烟叶分级知识图谱,并以此为基础开发智能问答系统。其核心技术主要包括:1)采集烟叶分级数据,经过命名实体识别(NER)以及关...
针对烟叶分级领域知识冗余且没有专业化平台用于学术检索的现状,采集多源烟叶分级数据并结合自顶向下的方法构建烟叶分级知识图谱,并以此为基础开发智能问答系统。其核心技术主要包括:1)采集烟叶分级数据,经过命名实体识别(NER)以及关系抽取(RE)后提取三元组信息,并将其导入Neo4j平台储存;2)对于问句语义解析,采用融合图谱数据的BERT-BiGRU-MHSA-CRF模型提升问句实体识别效果,同时将自注意力机制融入BERT-TextCNN模型中,用于解析用户分级意图,再通过匹配模板并替换槽位信息以便自动化构建cypher查询语句,在Neo4j知识库中查询最精确的答案并返回。结果表明:构建的知识图谱包含6 620个实体,超过14 000条关系;基于问句实体识别模型BERT-BiGRU-MHSA-CRF的调和平均值F1为94.12%,分级意图识别模型BERT-TextCNN-Attention的F1为98.77%。综上,该系统实现了对烟叶分级相关的多类问题的快速检索和精确回答,可以为分级人员提供辅助。
展开更多
关键词
领域知识图谱
语义解析
问答系统
烟叶分级
问句实体识别
意图
识别
在线阅读
下载PDF
职称材料
基于知识图谱的电力设备缺陷问答系统研究
被引量：
6
2
作者
陈鹏
邰彬
+4 位作者
石英
金杨
孔力
许瑞文
汪进锋
《广西师范大学学报（自然科学版）》
CAS
北大核心
2024年第6期149-163,共15页
电力设备的缺陷处理工作主要依赖于处理人员自身的知识储备和经验,但由于缺乏完善的历史缺陷知识库辅助,经验知识相对不足的人员无法有效借鉴前人经验,难免会出现决策失误的情况,进而影响电力设备的消缺工作。针对以上问题,本文提出基...
电力设备的缺陷处理工作主要依赖于处理人员自身的知识储备和经验,但由于缺乏完善的历史缺陷知识库辅助,经验知识相对不足的人员无法有效借鉴前人经验,难免会出现决策失误的情况,进而影响电力设备的消缺工作。针对以上问题,本文提出基于电力设备缺陷知识图谱的问答系统实现方法。首先对设备缺陷问答系统进行需求分析,并设计系统架构;然后分别建立问句实体识别模型、问句意图识别模型、查询语句生成模型对问句进行语义解析;最后基于电力设备缺陷知识图谱,构建电力设备缺陷问答系统。问句实体识别结果和问句意图识别结果表明,采用改进算法的各项指标均有较大提升:在问句实体识别方面,精确率、召回率和F 1值在整体上分别达到92.34%、97.65%、94.92%;在问句意图识别方面,准确率、精确率、召回率和F 1值分别达到82.17%、85.38%、82.36%和83.84%。问答系统功能的测试也证明该系统可以很好地应用于辅助电力设备的缺陷消除过程,快速提升缺陷维修策略制定的准确性和缺陷设备的消缺效率,促进电力系统安全平稳运行。
展开更多
关键词
问答系统
电力设备
知识图谱
问句实体识别
问句
意图
识别
查询语句生成
在线阅读
下载PDF
职称材料
题名
融合知识图谱和语义信息的烟叶分级问答系统
1
作者
陈婷
朱昌群
机构
昆明理工大学机电工程学院
出处
《湖南农业大学学报(自然科学版)》
北大核心
2025年第3期97-109,共13页
基金
国家自然科学基金项目(61761024)。
文摘
针对烟叶分级领域知识冗余且没有专业化平台用于学术检索的现状,采集多源烟叶分级数据并结合自顶向下的方法构建烟叶分级知识图谱,并以此为基础开发智能问答系统。其核心技术主要包括:1)采集烟叶分级数据,经过命名实体识别(NER)以及关系抽取(RE)后提取三元组信息,并将其导入Neo4j平台储存;2)对于问句语义解析,采用融合图谱数据的BERT-BiGRU-MHSA-CRF模型提升问句实体识别效果,同时将自注意力机制融入BERT-TextCNN模型中,用于解析用户分级意图,再通过匹配模板并替换槽位信息以便自动化构建cypher查询语句,在Neo4j知识库中查询最精确的答案并返回。结果表明:构建的知识图谱包含6 620个实体,超过14 000条关系;基于问句实体识别模型BERT-BiGRU-MHSA-CRF的调和平均值F1为94.12%,分级意图识别模型BERT-TextCNN-Attention的F1为98.77%。综上,该系统实现了对烟叶分级相关的多类问题的快速检索和精确回答,可以为分级人员提供辅助。
关键词
领域知识图谱
语义解析
问答系统
烟叶分级
问句实体识别
意图
识别
Keywords
domain knowledge graph
semantic analysis
question answering system
tobacco grading
question entity recognition
intent recognition
分类号
TS441 [农业科学—烟草工业]
在线阅读
下载PDF
职称材料
题名
基于知识图谱的电力设备缺陷问答系统研究
被引量：
6
2
作者
陈鹏
邰彬
石英
金杨
孔力
许瑞文
汪进锋
机构
广东省电力装备可靠性企业重点实验室(广东电网有限责任公司电力科学研究院)
广东电网有限责任公司电力科学研究院
武汉理工大学自动化学院
出处
《广西师范大学学报（自然科学版）》
CAS
北大核心
2024年第6期149-163,共15页
基金
国家自然科学基金(52177110)
南方电网公司科技项目(036100KK52200021(GDKJXM20200443))。
文摘
电力设备的缺陷处理工作主要依赖于处理人员自身的知识储备和经验,但由于缺乏完善的历史缺陷知识库辅助,经验知识相对不足的人员无法有效借鉴前人经验,难免会出现决策失误的情况,进而影响电力设备的消缺工作。针对以上问题,本文提出基于电力设备缺陷知识图谱的问答系统实现方法。首先对设备缺陷问答系统进行需求分析,并设计系统架构;然后分别建立问句实体识别模型、问句意图识别模型、查询语句生成模型对问句进行语义解析;最后基于电力设备缺陷知识图谱,构建电力设备缺陷问答系统。问句实体识别结果和问句意图识别结果表明,采用改进算法的各项指标均有较大提升:在问句实体识别方面,精确率、召回率和F 1值在整体上分别达到92.34%、97.65%、94.92%;在问句意图识别方面,准确率、精确率、召回率和F 1值分别达到82.17%、85.38%、82.36%和83.84%。问答系统功能的测试也证明该系统可以很好地应用于辅助电力设备的缺陷消除过程,快速提升缺陷维修策略制定的准确性和缺陷设备的消缺效率,促进电力系统安全平稳运行。
关键词
问答系统
电力设备
知识图谱
问句实体识别
问句
意图
识别
查询语句生成
Keywords
question answering system
power equipment
knowledge graph
question entity recognition
question intent recognition
query statement generation
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合知识图谱和语义信息的烟叶分级问答系统
陈婷
朱昌群
《湖南农业大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于知识图谱的电力设备缺陷问答系统研究
陈鹏
邰彬
石英
金杨
孔力
许瑞文
汪进锋
《广西师范大学学报（自然科学版）》
CAS
北大核心
2024
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
