教務門戶網自動問答系統的設計與實現

摘要:教務門戶信息的查詢等操作存在交互性差的問題，利用搜索引擎又不能有效解決這個問題，基于聊天機器人的自動問答系統(Automatic Question Answering System， QA)在人機交互上的優(yōu)勢及其自主性的問答機制有助于解決用戶在教務門戶網站交互性差的問題。通過對教務門戶網的用戶需求分析和信息操作分類，構建底層數據結構以文檔形式儲存;對自動問答系統核心的三個模塊:問題分析、信息檢索和答案抽取作了深入的分析和設計，給出了實現的方法，最后通過實際測試驗證了系統的可行性和互操作性。

關鍵詞:自動問答系統;聊天機器人;LUCENE;XML

中圖分類號:TP391文獻標識碼:A 文章編號:1009-3044(2009)36-10506-02

Design and Implementation of QA System for Educational Administration Portal Website

HUANG Jian-gang， ZHANG Ai-hua

(Computer Science and Information Engineering College， Tianjin University of Science Technology， Tianjin 300222， China)

Abstract: There exists the poor interactivity in the information services of EAP， and the search engines cannot effectively solve this problem， the QA based on chat robot in terms of the advantage of the human-computer interaction and the autonomy helps us to solve the problem. Through user requirement analysis and information classification of EAP it constructed the underlying data structures by document storage; analysed the three modules of the core of the QA: problem analysis， information retrieval and answer extraction， gave out the implementation， and finally through actual test verified the feasibility and interoperability of the system.

Key words: QA; chat robot; LUCENE; XML

高校EAP提供從介紹教學研究、教學運行、實踐教學和師生信息查詢等大量的網上服務，這些服務以Web頁來構建。隨著信息量的豐富，信息分類越來越多，當獲取所需信息時，通常要在各個頁面間跳轉，花費大量的時間和精力。QA是一種全新的概念，它是以自然語言處理和人機交互等多種人工智能技術和互聯網技術為基礎[1]，使用Web或IM(即時通訊工具)作為表現形式的智能自動客服系統。目前自動問答類型主要有聊天機器人、基于知識庫的問答系統、問答式檢索系統，以及基于自由文本的問答系統等?；谧杂晌谋镜膯柎鹣到y是基于自由文本進行知識問答，不需要建立大規(guī)模知識庫;并且系統返給用戶的是具體答案，而不是和用戶查詢相關的文本或網頁，故代表著QA的發(fā)展方向。

1 需求分析與數據層設計

1.1 需求分析

EAP的服務對象是全校師生，可分為學生服務和教師服務兩大類。師生關心的問題如下:

1)關于政策的提問

如對某事務原則的提問

2)關于某事務具體操作細節(jié)的提問

如關于時間的提問，提問類型:{在}+{何時|什么時候|什么時間}+{可以|做|進行|開始|能}+{事務};關鍵詞:何時、時候、時間、事務;信息關鍵詞:{事物}+{時間}。

1.2 數據層設計

系統的底層數據可以采取文本存儲(如Word、XML、TXT等文檔)，占資源少，適合小數據量的存儲，易維護。由用戶提問內容可知，內容組織形式分為通知和政策兩種，故系統可用XML文檔用于存儲通知數據，TXT文檔用于政策數據。

1.3 信息導航目錄設置

信息導航目錄是為簡單快速有效地引導用戶找到相關的信息而設置。用戶在實際使用時只要根據系統提示輸入分類名稱對應的類型編號即可。

一級導航目錄共分為學生選課、學籍處理、培養(yǎng)計劃、學生注冊、英語四六級考試等，類型編號分別為A、B、C、D、S;二級導航目錄分為通知信息(notice)、政策法規(guī)(law)等。

2 系統實現

2.1 總體結構

基于聊天機器人的系統總體采用三層結構[2](如圖1)。數據層專門存放數據，應用服務器提供各類服務部件來訪問數據和響應客戶端的請求，界面表現層瀏覽器端只顯示結果和發(fā)出請求。

2.2 系統模塊架構

根據需求分析的結果，本系統主要分3個模塊:通知查詢、政策查詢、常用網站鏈接。

2.3 主要功能模塊設計

2.3.1 查詢模塊的實現

如何對用戶輸入的自然語言問題進行分析處理，給用戶一個有效的回復，主要考慮自然語言問題分析、中文分詞、信息檢索、答案抽取等。

1)問題分析模塊

問題分析的目的是要從用戶的語言中最大限度地提取出有效關鍵詞，同時，還要盡量除去非關鍵詞，對用戶問題中的一些潛在關鍵詞進行意義擴展。

2)中文分詞

采用一基于LUCENE分詞架構而實現的中文分詞組件，名為“庖丁解牛”。此組件用于對底層數據進行建立索引和搜索索引時。最終從問題分析模塊得到一個長度為7的String型特殊字符數組QueryString[i]，數組中的i代表不同的問題分類，如i=0，表示時間問題，QueryString[i]存儲值為Null或“時間”。

3)信息檢索

要對信息進行檢索，首先要對信息創(chuàng)建索引，然后再對索引進行搜索，得到信息檢索的結果。

①創(chuàng)建索引

根據系統底層數據存儲方式，建立不同字段的索引，XML文檔使用的索引字段有標題、事務、時間安排、地點、發(fā)布單位、電話等;TXT文檔用標題、內容作為索引字段。

②搜索索引

搜索時，輸入參數為QueryString[i]和從用戶獲取的兩個用戶標簽，且不論是何種查詢均從多角度進行搜索，方式一無結果，再采用方式二。

4)答案抽取模塊

從信息檢索模塊得到信息檢索的結果集(Hits對象)，作為參數傳入答案抽取模塊。需要注意和說明的是:答案抽取模塊拿到的結果集是已經過相似度評分處理，篩選留下的結果，同時，結果集里保存的對象是對文檔的引用，而不是文檔中的數據[3]。

此模塊需要完成:一根據系統收集到的用戶標簽值、提問分類信息來確定要給用戶提供哪些內容;二對答案內容進行輸出格式化處理。通知信息答案抽取核心代碼:

2.4 測試截圖

圖2為用戶查詢導航示例圖。

3 結論

該文分析了問答系統的發(fā)展現狀和趨勢，以教務信息發(fā)布應用為背景，針對門戶的可用性和用戶交互性存在的不足，研發(fā)了基于聊天機器人的教務信息自動問答門戶系統，重點闡述了門戶根據用戶需求標簽的信息組織模式和聊天機器人語言規(guī)則模板。此系統改善了傳統的頁面瀏覽模式，用戶獲取信息通過機器人自動推送，即由門戶主動向用戶展示功能和服務。本文創(chuàng)新點是采用機器人交互的這種模式來改進教務信息的發(fā)布，為增加教務信息門戶的可用性提供一種新思路。

參考文獻:

[1] 文勖.中文問答系統中問題分類及答案候選句抽取的研究[D].哈爾濱工業(yè)大學:計算機科學與技術學院，2006.

[2] 丁一.基于聊天機器人技術的房產導購信地理信息門戶研究[D].南京師范大學:南京師范大學地理科學學院，2007.

[3] Otis Gospodnetic，Erik Hatcher.LUCENE In Action[M].USA:Manning Publications Co，2005:1-300.

[4] 王宇，戰(zhàn)學剛，蔡建山.基于網絡的中文問答系統的研究[D].鞍山科技大學:鞍山科技大學計算機科學與工程學院，2006.

[5] 孫景廣.基于網絡的自動問答系統的答案抽取方法研究[D].沈陽航空工業(yè)學院:計算機應用技術，2007.