專業(yè)領(lǐng)域智能問(wèn)答系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

陶 永 芹

(西安外事學(xué)院工學(xué)院 陜西 西安 710077)

0 引 言

隨著海量互聯(lián)網(wǎng)信息的爆炸式增長(zhǎng)，如何從中獲取高可信和高可用的知識(shí)變得迫在眉睫，且潛藏著巨大商機(jī)[1]。據(jù)英國(guó)莫里(MORI)調(diào)查公司的民意調(diào)查結(jié)果顯示，只有18%的用戶表示總能在網(wǎng)上搜索到需要的信息，49%的用戶說(shuō)他們對(duì)搜索引擎很失望，28%表示還可以，其余5%為不知道[2]。由此可見(jiàn)，當(dāng)下基于關(guān)鍵字信息檢索的方法改進(jìn)完善空間還很大[3]。主要問(wèn)題在于：檢索返回的結(jié)果多且繁雜與用戶意圖相差甚遠(yuǎn)，用戶需手動(dòng)篩網(wǎng)頁(yè)列表中有用的信息；關(guān)鍵字匹配技術(shù)只關(guān)注語(yǔ)言的語(yǔ)法形式忽視語(yǔ)義知識(shí)。用相對(duì)簡(jiǎn)單的詞語(yǔ)或句子搜索無(wú)法準(zhǔn)確刻畫(huà)用戶的真實(shí)需求，導(dǎo)致搜索結(jié)果差強(qiáng)人意。將自然語(yǔ)言處理、語(yǔ)義分析、人工智能等技術(shù)綜合在一起的智能問(wèn)答系統(tǒng)彌補(bǔ)了關(guān)鍵字信息檢索方法的不足[4]。

1 系統(tǒng)分析

1.1 智能問(wèn)答系統(tǒng)的研究現(xiàn)狀

自1961年，首個(gè)回答美國(guó)職業(yè)棒球大聯(lián)盟中有關(guān)比賽問(wèn)題的智能問(wèn)答系統(tǒng)由Green設(shè)計(jì)與實(shí)現(xiàn)[5]。經(jīng)過(guò)了近六十年，智能問(wèn)答系統(tǒng)得到了突飛猛進(jìn)的發(fā)展。最先人工智能專家ELIZA[6]和ALICE[7]設(shè)計(jì)研發(fā)的基于模式匹配的問(wèn)答系統(tǒng)。匹配用戶問(wèn)題與人工定義問(wèn)題模板來(lái)獲取問(wèn)題答案，或者基于領(lǐng)域?qū)＜抑R(shí)制定啟發(fā)式規(guī)則推理獲得相應(yīng)的結(jié)果。代表系統(tǒng)還有MACSYMA[8]。但是由于這類系統(tǒng)的模式庫(kù)和規(guī)則的構(gòu)建非常困難，需要領(lǐng)域?qū)＜揖C合領(lǐng)域知識(shí)且受到知識(shí)理解的限制，對(duì)于新的領(lǐng)域知識(shí)往往缺乏相匹配的知識(shí)性能很差。隨后產(chǎn)生的基于FAQ的問(wèn)答系統(tǒng)[9]則側(cè)重于將問(wèn)題及相應(yīng)的答案對(duì)存放在系統(tǒng)的知識(shí)庫(kù)中通過(guò)提問(wèn)相似度設(shè)置閾值找尋答案。由于這種方法實(shí)現(xiàn)較簡(jiǎn)單，目前較多商業(yè)化服務(wù)公司采用這種方法，比如百度知道[10]等。但系統(tǒng)的缺點(diǎn)是知識(shí)庫(kù)的構(gòu)建需要大量的人員參與，且比較耗時(shí)、系統(tǒng)靈活性低，問(wèn)題的覆蓋面低，無(wú)法引入推理、計(jì)算來(lái)解決一些復(fù)雜的問(wèn)題。1994年，首個(gè)面向互聯(lián)網(wǎng)的自然語(yǔ)言問(wèn)答系統(tǒng)誕生。而基于無(wú)結(jié)構(gòu)化文本的問(wèn)答技術(shù)主要包括社區(qū)問(wèn)答和基于問(wèn)答式搜索的問(wèn)答系統(tǒng)。與FAQ相似，系統(tǒng)通過(guò)在互聯(lián)網(wǎng)上檢索到與用戶問(wèn)題最為相似的問(wèn)題，然后將相應(yīng)的答案返回，比如微軟的Encarta3[11]和麻省理工學(xué)院研發(fā)的Start1[12]等。這類系統(tǒng)的缺點(diǎn)是沒(méi)有專業(yè)知識(shí)庫(kù)的支撐，只能對(duì)有限類型的問(wèn)題進(jìn)行回答，在專業(yè)度較高的領(lǐng)域不適用，而且也不能夠做推理。另一種，基于結(jié)構(gòu)化數(shù)據(jù)的問(wèn)答系統(tǒng)是將用戶的自然語(yǔ)言轉(zhuǎn)換成系統(tǒng)可識(shí)別的結(jié)構(gòu)化查詢語(yǔ)言(如SPARQL、SQL等)對(duì)知識(shí)庫(kù)進(jìn)行查詢。其對(duì)事實(shí)類問(wèn)題的回答較為準(zhǔn)確，能夠進(jìn)行知識(shí)的推理和計(jì)算，Google Now服務(wù)上有58%的回答使用了Google的結(jié)構(gòu)化知識(shí)數(shù)據(jù)，該知識(shí)庫(kù)中有5億個(gè)實(shí)體以及不同實(shí)體間35億條的關(guān)系[13]。該系統(tǒng)的本質(zhì)是挖掘問(wèn)題的語(yǔ)義，將口語(yǔ)轉(zhuǎn)變成系統(tǒng)可以理解的形式。隨著智能手機(jī)的廣泛使用，以蘋(píng)果公司在iPhone手機(jī)中使用的Siri手機(jī)語(yǔ)音助手為代表的一系列語(yǔ)音助手也正在被大家廣泛使用。

由上可知，當(dāng)今主流問(wèn)答機(jī)器人大都是基于面向開(kāi)放領(lǐng)域的智能問(wèn)答系統(tǒng)實(shí)現(xiàn)的。例如：以互聯(lián)網(wǎng)語(yǔ)料和用戶的聊天日志數(shù)據(jù)為基礎(chǔ)的微軟小冰[14]，以及用戶搜索日志為基礎(chǔ)的百度語(yǔ)音助手[15]等。然而，面向開(kāi)放領(lǐng)域的問(wèn)答系統(tǒng)對(duì)專業(yè)(金融、醫(yī)學(xué)等)的問(wèn)題無(wú)法返回較好的結(jié)果。且現(xiàn)有的人工服務(wù)存在回答不規(guī)范、響應(yīng)速度慢、通用性較差、需要大量的人力和物力成本等問(wèn)題，因此特別需要一套面向?qū)I(yè)領(lǐng)域，只需要對(duì)語(yǔ)料進(jìn)行簡(jiǎn)單標(biāo)注就能得到良好效果的智能問(wèn)答系統(tǒng)。所以本文主要對(duì)專業(yè)領(lǐng)域提出了一種基于本體和查詢服務(wù)的智能問(wèn)答系統(tǒng)設(shè)計(jì)方法。

1.2 領(lǐng)域智能問(wèn)答系統(tǒng)框架

本文針對(duì)專業(yè)領(lǐng)域智能問(wèn)答系統(tǒng)的需求，結(jié)合上述問(wèn)題研究現(xiàn)狀的分析，提出了智能問(wèn)答系統(tǒng)的框架。本文有三個(gè)模塊的主要貢獻(xiàn)，如下所示：

1) 知識(shí)梳理模塊：為使系統(tǒng)更好地理解用戶所提問(wèn)題與所對(duì)應(yīng)的領(lǐng)域知識(shí)。本文將具有偏結(jié)構(gòu)化、關(guān)聯(lián)性強(qiáng)特征的領(lǐng)域知識(shí)存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中，用本體把數(shù)據(jù)的概念、屬性和聯(lián)系抽取出來(lái)，這樣本體的內(nèi)容只是知識(shí)庫(kù)中實(shí)體的領(lǐng)域含義和相關(guān)聯(lián)系，而不包括整個(gè)知識(shí)庫(kù)實(shí)例，為本體的建立和知識(shí)庫(kù)的維護(hù)提供了很大的便捷。

2) 問(wèn)題理解模塊：為使系統(tǒng)更好地對(duì)用戶的意圖進(jìn)行解析、糾正。本文將查詢問(wèn)題的查詢結(jié)構(gòu)抽象成相應(yīng)的查詢服務(wù)，然后用服務(wù)本體結(jié)合領(lǐng)域本體來(lái)描述查詢服務(wù)。首先將問(wèn)句進(jìn)行語(yǔ)義解析，再基于語(yǔ)義的服務(wù)匹配算法將問(wèn)題匹配到本體相應(yīng)的描述服務(wù)上，最后將服務(wù)參數(shù)實(shí)例化以便調(diào)用服務(wù)實(shí)現(xiàn)查詢。

3) 服務(wù)檢索和反饋模塊：將問(wèn)題匹配的查詢服務(wù)列表提供給用戶供其選擇，然后將用戶想要的結(jié)果回饋給用戶并保存查詢上下文。主要解決三部分問(wèn)題：(1) 由于領(lǐng)域知識(shí)具有專用名詞中英文混雜、新詞多和缺乏對(duì)應(yīng)的詞匯知識(shí)庫(kù)或者語(yǔ)言庫(kù)的特征，使用通用詞典進(jìn)行分詞標(biāo)注無(wú)法滿足要求，由此本文根據(jù)領(lǐng)域知識(shí)庫(kù)來(lái)創(chuàng)建領(lǐng)域詞典；(2) 針對(duì)一詞多義和中英文混合詞性標(biāo)注容易引入噪聲等問(wèn)題，使用基于條件隨機(jī)場(chǎng)(CRF)實(shí)體識(shí)別算法對(duì)已經(jīng)標(biāo)注好的領(lǐng)域問(wèn)題進(jìn)行訓(xùn)練，以便在問(wèn)句語(yǔ)義解析時(shí)準(zhǔn)確的識(shí)別領(lǐng)域概念和其語(yǔ)義；(3) 針對(duì)自然語(yǔ)言描述問(wèn)題存在的不符合語(yǔ)法規(guī)范、模糊性、二義性強(qiáng)，縮寫(xiě)多等特征，以及外界因素或者自身原因產(chǎn)生提問(wèn)時(shí)掉字等情況。在系統(tǒng)中加入了基于聲韻母的語(yǔ)音識(shí)別后文本糾錯(cuò)模塊，用以修正用戶提問(wèn)時(shí)產(chǎn)生的問(wèn)題描述錯(cuò)誤。

2 系統(tǒng)總體設(shè)計(jì)

2.1 系統(tǒng)總體結(jié)構(gòu)

針對(duì)面向?qū)I(yè)領(lǐng)域智能問(wèn)答系統(tǒng)的需求，構(gòu)建系統(tǒng)的架構(gòu)如圖1所示。

圖1 系統(tǒng)總體結(jié)構(gòu)圖

系統(tǒng)的總體流程為：用戶自然語(yǔ)言查詢后，由通用的語(yǔ)音輸入法將語(yǔ)音轉(zhuǎn)換成文本句，其次基于聲韻母的語(yǔ)音識(shí)別后文本糾錯(cuò)方法矯正文本句，得到正確的領(lǐng)域相關(guān)詞語(yǔ)等。基于詞典糾錯(cuò)的過(guò)程在糾錯(cuò)同時(shí)也對(duì)文本分詞，針對(duì)一詞多義的情況需要根據(jù)同義詞典進(jìn)行同義詞轉(zhuǎn)換。然后基于條件隨機(jī)場(chǎng)模型對(duì)查詢問(wèn)句作實(shí)體標(biāo)注，得到對(duì)應(yīng)的<領(lǐng)域詞，詞語(yǔ)含義>二元組串。

由于上下文關(guān)聯(lián)會(huì)影響用戶查詢結(jié)果，因此在得到查詢問(wèn)句的語(yǔ)義二元組串以后，需要判斷查詢上下文是否存在關(guān)聯(lián)性。如果存在則將上次查詢得到的二元組串加入到本次查詢的語(yǔ)義二元組串中，根據(jù)二元組串中元素的語(yǔ)義特征構(gòu)造查詢請(qǐng)求服務(wù)，并將請(qǐng)求服務(wù)與本體描述的查詢服務(wù)相互匹配，將能夠滿足實(shí)例化條件的匹配度最高的查詢服務(wù)作為匹配的查詢服務(wù)。同時(shí)需要將查詢的結(jié)果通過(guò)owl-s提供的實(shí)例化API查詢的Web服務(wù)，然后將結(jié)果加入到查詢上下文的數(shù)據(jù)表中以待下次查詢使用。若無(wú)查詢結(jié)果，則返回給用戶“無(wú)結(jié)果”，以完成整個(gè)查詢流程。如圖2所示。

圖2 系統(tǒng)總體流程圖

2.2 基于本體的服務(wù)描述規(guī)則

服務(wù)是智能問(wèn)答系統(tǒng)重要的一個(gè)環(huán)節(jié)，系統(tǒng)根據(jù)用戶提問(wèn)搜尋相匹配的查詢服務(wù)，將查詢參數(shù)實(shí)例化后調(diào)用服務(wù)，將最后的查詢結(jié)果返回給用戶。由于服務(wù)關(guān)系著查詢的質(zhì)量，針對(duì)服務(wù)的特征和實(shí)例化需要，本文定義了相應(yīng)的服務(wù)描述規(guī)則和一些基本概念。如下所示：

Domain：描述領(lǐng)域的頂層概念，下層存放與領(lǐng)域相關(guān)的概念。如描述時(shí)間的概念Time和描述地點(diǎn)的概念Region等。

Service：存放有關(guān)服務(wù)描述的相關(guān)頂層概念，下層存放與服務(wù)描述相關(guān)的概念知識(shí)。

ServiceInstance：存放系統(tǒng)所提供的查詢服務(wù)實(shí)例描述的頂層概念，下層存放具體的查詢服務(wù)描述。

OtherCondition：存放服務(wù)描述其他條件的頂層概念，可以在服務(wù)匹配時(shí)更容易定位到匹配的服務(wù)，比如用戶問(wèn)句的意圖是查詢或者是對(duì)比等。

OwlUrl：用于定位通過(guò)OwlsEdit編輯的可調(diào)用Web服務(wù)實(shí)例的位置，用于實(shí)例化匹配的服務(wù)。

hasInput：概念屬性，描述服務(wù)的輸入。

hasOwlInputSeq：概念屬性，用于將用戶查詢生成的服務(wù)輸入?yún)?shù)實(shí)例與對(duì)應(yīng)真實(shí)的Web服務(wù)參數(shù)匹配，也即服務(wù)的參數(shù)與參數(shù)實(shí)例的映射關(guān)系。

hasOutput：概念屬性，描述服務(wù)的輸出。

hasOtherCondition:：概念屬性，用來(lái)描述服務(wù)的其他描述條件，與OtherCondition匹配。

comment：概念注釋，用于描述ServiceInstance下查詢服務(wù)的功能。

服務(wù)的結(jié)構(gòu)如圖3所示。

圖3 系統(tǒng)服務(wù)結(jié)構(gòu)圖

2.3 命名實(shí)體識(shí)別策略

2.3.1 基于聲韻母的語(yǔ)音識(shí)別后文本糾錯(cuò)方法

語(yǔ)音識(shí)別的準(zhǔn)確率直接關(guān)系到領(lǐng)域相關(guān)命名實(shí)體識(shí)別以及服務(wù)匹配和實(shí)例化的準(zhǔn)確度，基于聲韻母的語(yǔ)音識(shí)別后文本糾錯(cuò)方法主要解決：未登錄詞處理、交際型歧義字段、組合型歧義字段、混合型歧義字段等問(wèn)題。

本文根據(jù)領(lǐng)域知識(shí)庫(kù)構(gòu)建相應(yīng)的領(lǐng)域詞典，領(lǐng)域詞典的中單個(gè)元素是領(lǐng)域相關(guān)詞和該詞在領(lǐng)域中的概念的二元組，由于可能會(huì)存在一詞多義的情況，所以概念存在有多個(gè)的情況。漢字是以音節(jié)為識(shí)別單元，而音節(jié)是由聲母與韻母組成?；谶@些特點(diǎn)本文提出基于聲韻母的語(yǔ)音識(shí)別后文本糾錯(cuò)方法。通過(guò)將語(yǔ)音輸入法轉(zhuǎn)換后的查詢文本句轉(zhuǎn)成聲韻母串，然后根據(jù)領(lǐng)域詞典做聲韻母的相似度比較進(jìn)行矯正和分詞。該算法的主要步驟如下：

輸入：用戶查詢文本句S，領(lǐng)域詞典WList={w1,w2,w3…,wn}，對(duì)于每個(gè)w∈WList，都有w=，k表示單個(gè)領(lǐng)域詞，ih表示該詞語(yǔ)的聲韻母表示，v代表詞語(yǔ)的領(lǐng)域含義。

輸出：文本句對(duì)應(yīng)的語(yǔ)義串TokenList={t1,t2,t3,…,tn}，對(duì)于每一個(gè)t∈TokenList,都有t=，其中k是單個(gè)領(lǐng)域詞，v為在領(lǐng)域詞典中詞語(yǔ)的領(lǐng)域含義。

(1) 將S轉(zhuǎn)換成聲韻母串VList，并設(shè)置詞語(yǔ)的最低匹配度的閾值threshold，設(shè)置匹配度最高的匹配度mDegree=0，對(duì)應(yīng)匹配的聲韻母串長(zhǎng)度matchLen=0。

(2) 如果VList中元素全部匹配，則匹配結(jié)束，返回TokenList。

(3) 如果VList中元素還有未匹配，對(duì)于領(lǐng)域詞典中每個(gè)詞語(yǔ)w，根據(jù)w.ih獲取其聲韻母串長(zhǎng)度len。

(4) 分別計(jì)算VList中未匹配串長(zhǎng)度為len-1、len、len+1的聲韻母串與w.ih的匹配度記為m1、m2、m3，其中最高的匹配度記為m,對(duì)應(yīng)的長(zhǎng)度記為mLen。

(5) 如果m≥threshold，且m>mDegree，則mDegree=m，t.k=m.k，t.v=m.v，matchLen=mLen。

(6) 遍歷領(lǐng)域詞典后，如果mDegree==0,則將VList中待匹配串后移1位；如果mDegree>0，則將VList中待匹配串后移matchLen位，并將t加入TokenList。

(7) 將t置為空，mDegree置為0，matchLen置為0。

(8) 轉(zhuǎn)到步驟(2)。

對(duì)于步驟(4)中的聲韻母串匹配度的計(jì)算，假設(shè)待匹配聲韻母串長(zhǎng)度為d，與之匹配的領(lǐng)域詞典中詞語(yǔ)的聲韻母串長(zhǎng)度為n，兩者的非連續(xù)匹配串長(zhǎng)度為m，則兩者的匹配度為式(1)所示:

MatchDegree=m^2/(d×n)

(1)

2.3.2 基于條件隨機(jī)場(chǎng)的實(shí)體標(biāo)注策略

本文采用條件隨機(jī)場(chǎng)對(duì)分詞后出現(xiàn)一詞多義的情況進(jìn)行準(zhǔn)確的詞性標(biāo)注。訓(xùn)練和測(cè)試樣本為人民日?qǐng)?bào)1998年的中文標(biāo)注語(yǔ)料庫(kù)，語(yǔ)料格式如圖4所示。

圖4 人民日?qǐng)?bào)語(yǔ)料圖

語(yǔ)料的每條記錄都是由編號(hào)和一段句子組成，而且語(yǔ)料已經(jīng)對(duì)編號(hào)和句子中詞語(yǔ)做了詞性標(biāo)注，由于訓(xùn)練時(shí)不需要記錄的編號(hào)，本文對(duì)語(yǔ)料進(jìn)行了預(yù)處理，得到的可供訓(xùn)練的樣本如圖5所示。

圖5 人民日?qǐng)?bào)訓(xùn)練語(yǔ)料圖

選取的特征窗口長(zhǎng)度為7，包含7個(gè)單詞特征與6個(gè)二元組合特征，特征模板如圖6所示。

圖6 人民日?qǐng)?bào)訓(xùn)練語(yǔ)料圖

該模板中，#代表注釋，U00中U表示選用的是Unigram模板，00代表記錄的編號(hào)，%x[s,o]代表生成一個(gè)CRFs中的點(diǎn)(state)函數(shù):f(s,o)。其中t時(shí)刻的標(biāo)簽(output)與上下文分別用s和o表示，以“中國(guó)/ns共產(chǎn)黨/n成功/a地/u召開(kāi)/v了/u第十五/m次/q全國(guó)/n代表大會(huì)/n”為例，假設(shè)當(dāng)前行在“召開(kāi)”，此時(shí)的特征上下文如表1所示。

表1 用戶查詢記錄表

由此可見(jiàn)，該模板訓(xùn)練后得到詞性標(biāo)注的準(zhǔn)確率為：P=0.933 164。

2.4 服務(wù)匹配及查詢上下文管理策略

2.4.1 基于領(lǐng)域概念層級(jí)的服務(wù)匹配算法

服務(wù)匹配的目的是將用戶提問(wèn)映射到對(duì)應(yīng)的查詢服務(wù)上，需要將<領(lǐng)域相關(guān)詞,語(yǔ)義概念>的二元組串映射到一個(gè)基本服務(wù)中。本文建立基于概念層級(jí)的匹配方法，將輸入和輸出的服務(wù)參數(shù)與對(duì)應(yīng)領(lǐng)域概念進(jìn)行匹配并劃分為如下五種：

(1) 當(dāng)服務(wù)請(qǐng)求的概念與待匹配服務(wù)中概念是一個(gè)概念的時(shí)候，該匹配吻合。

(2) 當(dāng)服務(wù)請(qǐng)求的參數(shù)所對(duì)應(yīng)概念是待匹配服務(wù)參數(shù)中概念的超類時(shí)，這時(shí)滿足查詢需求互相匹配。

(3) 當(dāng)服務(wù)請(qǐng)求中相同類型的參數(shù)有多個(gè)(包括一個(gè))實(shí)例，而待匹配服務(wù)中該參數(shù)也是相同概念的數(shù)據(jù)集時(shí)，兩者相互匹配。例：“查看湖南省2015年的GDP。”，服務(wù)請(qǐng)求的輸入?yún)?shù)有GDP是一個(gè)indicator，同時(shí)待匹配服務(wù)輸入?yún)?shù)中有indicatorSet，則兩者是匹配的。

(4) 當(dāng)服務(wù)請(qǐng)求的參數(shù)所對(duì)應(yīng)的概念是待匹配服務(wù)參數(shù)中概念的子類時(shí)，由于二者參數(shù)不匹配，當(dāng)實(shí)例化時(shí)參數(shù)類型會(huì)出現(xiàn)錯(cuò)誤，則匹配失敗。

(5) 當(dāng)服務(wù)請(qǐng)求的參數(shù)所對(duì)應(yīng)的概念與待匹配服務(wù)參數(shù)中概念的子類無(wú)關(guān)時(shí)，同樣實(shí)例化時(shí)參數(shù)類型會(huì)出錯(cuò)，也會(huì)造成匹配失敗。

2.4.2 服務(wù)調(diào)用與上下文管理策略

服務(wù)匹配成功后需要對(duì)Web服務(wù)參數(shù)進(jìn)行實(shí)例化并調(diào)用已完成整個(gè)問(wèn)答過(guò)程，本文的Web服務(wù)是以wsdl描述的，然后經(jīng)OwlsEdit工具編輯Web服務(wù)生成的wsdl文件得到了服務(wù)描述的owl文件。查詢匹配到相應(yīng)的服務(wù)描述本體后，通過(guò)服務(wù)的“hasOwlUri”屬性可以定位到該文件描述的具體的服務(wù)，然后根據(jù)服務(wù)的“hasOwlInputSeq”屬性來(lái)做服務(wù)描述本體中服務(wù)輸入與該Uri對(duì)應(yīng)服務(wù)輸入的映射。一個(gè)簡(jiǎn)單的映射如圖7所示。

圖7 服務(wù)映射關(guān)系圖

圖的左邊是服務(wù)本體描述的一個(gè)服務(wù)，右側(cè)是使用OwlsEdit工具通過(guò)wsdl文件生成的該服務(wù)的描述。可以看出，右側(cè)服務(wù)的語(yǔ)義特征模糊，左側(cè)服務(wù)的“Uri”映射到右側(cè)服務(wù)節(jié)點(diǎn)，其“hasInput”和“hasOwlInputSeq”屬性的值是一一對(duì)應(yīng)的，可以從上圖中得到。輸入的“date”概念與“para2”映射，輸入的“region”概念與“para1”映射，輸入的“indicator”概念與“para3”映射，而右側(cè)服務(wù)是帶有參數(shù)類型的信息，這樣就可以將服務(wù)輸入?yún)?shù)的實(shí)例映射到服務(wù)對(duì)應(yīng)的參數(shù)上，實(shí)現(xiàn)了服務(wù)的自動(dòng)化調(diào)用。

3 系統(tǒng)實(shí)現(xiàn)

本文設(shè)計(jì)與實(shí)現(xiàn)一個(gè)包含多種圖表類型，支持?jǐn)?shù)據(jù)聯(lián)動(dòng)，智能化的國(guó)民經(jīng)濟(jì)大數(shù)據(jù)可視化系統(tǒng)。為科研人員及政府決策人員查詢各類經(jīng)濟(jì)數(shù)據(jù)、對(duì)比地區(qū)間發(fā)展差異、發(fā)現(xiàn)經(jīng)濟(jì)規(guī)律、制定切合實(shí)際的促進(jìn)經(jīng)濟(jì)發(fā)展的經(jīng)濟(jì)政策提供簡(jiǎn)潔有效的幫助。本文系統(tǒng)將單一繁瑣的經(jīng)濟(jì)大數(shù)據(jù)相互聯(lián)系起來(lái)，用戶可從各個(gè)方面對(duì)經(jīng)濟(jì)大數(shù)據(jù)進(jìn)行解讀，全面而深入地了解國(guó)民經(jīng)濟(jì)發(fā)展現(xiàn)狀，分析導(dǎo)致經(jīng)濟(jì)發(fā)展現(xiàn)狀的原因，進(jìn)而預(yù)測(cè)經(jīng)濟(jì)發(fā)展趨勢(shì)做出合理的經(jīng)濟(jì)決策，有效實(shí)時(shí)地調(diào)控經(jīng)濟(jì)制定恰當(dāng)?shù)恼呦驅(qū)А?/p>

本系統(tǒng)以國(guó)家統(tǒng)計(jì)局除港澳臺(tái)外的31個(gè)省級(jí)行政區(qū)、2005年到2014年間包括工業(yè)、財(cái)政、金融等各行業(yè)共922 869條記錄作為問(wèn)答系統(tǒng)的知識(shí)庫(kù)數(shù)據(jù)。構(gòu)建服務(wù)描述本體時(shí)選取Protégé作為編輯本體的工具，建立領(lǐng)域概念與服務(wù)參數(shù)相應(yīng)的聯(lián)系，使用OWL本體描述語(yǔ)言對(duì)國(guó)民經(jīng)濟(jì)大數(shù)據(jù)領(lǐng)域下服務(wù)建模，圖8是使用OntoGraf展示了部分服務(wù)描述本體。

圖8 利用OntoGraf服務(wù)描述本體

用戶可以通過(guò)在文本框中輸入與語(yǔ)音輸入查詢問(wèn)題，當(dāng)語(yǔ)音輸入實(shí)例一：“查看重慶的中稻和一季晚稻播種面積和農(nóng)作物總播種面積是多少？”后，問(wèn)答系統(tǒng)文本句糾錯(cuò)和實(shí)體標(biāo)注結(jié)果如下所示：

由上可知，對(duì)“中稻和一季晚稻播種面積”識(shí)別錯(cuò)誤，變?yōu)椤巴ǖ?，黑一金晚稻播種面積”。經(jīng)過(guò)基于聲韻母的語(yǔ)音識(shí)別糾錯(cuò)后得到了準(zhǔn)確的查詢語(yǔ)句，再通過(guò)同義詞典將“查看”變成“查詢”，“重慶”變成“重慶市”，最后識(shí)別出相應(yīng)的實(shí)體。最后查詢的結(jié)果如圖9所示。

圖9 實(shí)例1系統(tǒng)查詢結(jié)果圖

當(dāng)用戶語(yǔ)音輸入實(shí)例二：“查詢2014年GDP前3的地區(qū)有哪些？”后，問(wèn)答系統(tǒng)文本句糾錯(cuò)和實(shí)體標(biāo)注結(jié)果如下所示：

由上可知，問(wèn)句中“GDP”需要同義詞轉(zhuǎn)換為“地區(qū)生產(chǎn)總值”以完成實(shí)體的識(shí)別和標(biāo)注。最后查詢結(jié)果如圖10所示。

圖10 實(shí)例2系統(tǒng)查詢結(jié)果圖

考慮到上下文相關(guān)查詢的情況，在上一句的基礎(chǔ)上，語(yǔ)音輸入實(shí)例三：“對(duì)比這些地區(qū)的GDP與第一產(chǎn)業(yè)增加值之間的關(guān)系。”問(wèn)答系統(tǒng)文本句糾錯(cuò)和實(shí)體標(biāo)注結(jié)果如下所示：

該查詢語(yǔ)音輸入法識(shí)別準(zhǔn)確，由于“地區(qū)”是RegionConcept，與上次查詢的結(jié)果中三個(gè)地區(qū)存在指代關(guān)系，則將其地區(qū)加入到查詢實(shí)體中查詢結(jié)果如圖11所示。

圖11 實(shí)例3系統(tǒng)查詢結(jié)果圖

4 結(jié) 語(yǔ)

本文針對(duì)現(xiàn)有的問(wèn)答系統(tǒng)相關(guān)技術(shù)的不足與面向?qū)I(yè)領(lǐng)域問(wèn)答系統(tǒng)的需求，提出了面向?qū)I(yè)領(lǐng)域智能問(wèn)答系統(tǒng)的實(shí)現(xiàn)框架。并應(yīng)用于“國(guó)民經(jīng)濟(jì)大數(shù)據(jù)查詢系統(tǒng)”中，該系統(tǒng)驗(yàn)證了本文所提出智能問(wèn)答系統(tǒng)框架的實(shí)用性，并且該框架具有較高維護(hù)性。由于本系統(tǒng)將查詢服務(wù)以Web服務(wù)的方式調(diào)用，使其耦合性大大降低，具有很好的擴(kuò)展能力。

目前，已有問(wèn)答系統(tǒng)只能對(duì)簡(jiǎn)單的提問(wèn)進(jìn)行回答，針對(duì)語(yǔ)義的理解也處在淺層。因此，問(wèn)答系統(tǒng)的研究還有很多需要深入挖掘的問(wèn)題。未來(lái)面向?qū)I(yè)領(lǐng)域智能問(wèn)答系統(tǒng)的框架可以從考慮語(yǔ)義因素建立語(yǔ)料庫(kù)，結(jié)合語(yǔ)義的糾錯(cuò)可以很大程度上提高文本糾錯(cuò)的效果。同時(shí)，由于本文提出的服務(wù)匹配模型只能實(shí)現(xiàn)單個(gè)查詢問(wèn)句對(duì)單個(gè)查詢服務(wù)的映射，對(duì)于復(fù)雜的查詢問(wèn)句可能會(huì)存在一個(gè)查詢問(wèn)句映射到一個(gè)組合服務(wù)的情況，雖然可以通過(guò)owl-s組合多個(gè)Web服務(wù)到一個(gè)統(tǒng)一的接口，但是這種操作是手工實(shí)現(xiàn)的，對(duì)查詢服務(wù)較多的情況不大適應(yīng)，工作量也較多。未來(lái)可著重于根據(jù)查詢的輸入和輸出條件實(shí)現(xiàn)多個(gè)服務(wù)自動(dòng)組合和調(diào)用的研究。

參考文獻(xiàn)

[1] 全球互聯(lián)網(wǎng)狀況統(tǒng)計(jì)[DB/OL].[2017-8-20]http://www.clickz.com/stats/.

[2] 顧雅楓.基于用戶興趣模型的信息檢索研究[D].蘭州大學(xué),2009.

[3] Baeza-Yates R,Ribeiro-Neto B.Modern Information Retrieval[M].New York:ACM Press,2011.

[4] Burger J,Cardie C,Chaudhri V,et al.Issues,Tasks and Program Structures to Roadmap Research in Question & Answering (Q & A) [EB/OL].2000.http://www-nlpir.nist.gov/projects/duc/roadmapping.html.

[5] Green B,Wolf A,Chomsky C,et al.BASEBALL:an automatic question answerer[M].Readings in natural language processing,Morgan Kaufmann Publishers Inc.,1986:545-549.

[6] Weizenbaum J.ELIZA,a computer program for the study of natural language communication between man and machine[J].Communications of the Acm,1966,9(1):36-45.

[7] WallaceRS.AIMLoverview[EB/OL].http://www.pandorabots.com/pandora/pics/wallaceaimltu-torial.html.

[8] Rand R H.Computer algebra in applied mathematics[M].Pitman Advanced Pub.Program,1984.

[9] 秦兵,劉挺,王洋,等.基于常問(wèn)問(wèn)題集的中文問(wèn)答系統(tǒng)研究[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2003,35(10):1179-1182.

[10] 百度知道[DB/OL].[2017-8-20] https://zhidao.baidu.com/.

[11] Dong X,Gabrilovich E,Heitz G,et al.Knowledge vault:a web-scale approach to probabilistic knowledge fusion[C]// ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.ACM,2014:601-610.

[12] Suchanek F M,Kasneci G,Weikum G.Yago—A Core of Sematic Konwledge[C]// 16th international World Wide Web Conference,2007.

[13] Hermjakob U,Echihabi A,Marcu D.Natural Language Based Reformulation Resource and Web Exploitation for Question Answering[C]// Proceedings of TREC-2002,2002.

[14] 微軟小冰[DB/OL].[2017-8-20]http://www.msxiaoice.com/.

[15] 百度語(yǔ)音助手[DB/OL].[2017-8-20]http://yuyin.baidu.com/.