论文部分内容阅读
2008年世界智力运动会在北京的成功举行,智力运动项目随之在中国蓬勃发展。在智力运动项目中,非完备信息博弈占了很大的比重。广大人民群众对非完备信息博弈智力项目的学习热情高涨。但非完备信息博弈领域各个竞技项目规则繁杂,爱好者众多而专家少,无法满足人民群众的学习与解惑需求。且机器博弈始终是人工智能技术的试金石,如今基于人工智能技术的非完备信息博弈智能决策模型大多为黑盒模型,如何实现决策可解释也是博弈决策领域的发展方向之一。为了能够满足非完备信息博弈爱好者的学习需求,并推动非完备信息博弈智能决策可解释的发展,本文提出并实现了基于非完备信息博弈领域知识图谱的自动问答系统,完成的工作可分为以下几个部分:1.设计并构建了非完备信息博弈知识图谱。本文在斯坦福大学医学院提出的领域本体构建七步法的基础上,结合无监督学习算法自动挖掘领域专有术语,设计出本领域的知识模式定义。本文建立非完备信息博弈领域语料库,基于BiLSTM-CRF模型提出非完备信息博弈领域命名实体识别模型,基于BiLSTM-Attention模型提出非完备信息博弈领域关系抽取模型,并采用人工审核与规则审核结合的方式审核知识,将准确的知识以三元组形式存储在Neo4j数据库中。2.设计基于非完备信息博弈知识图谱的自动问答。本模块按照命名实体识别,实体链接,意图识别,答案检索的顺序对用户的问题进行处理并实现自动问答。在意图识别模块,本文构建了本领域的意图识别数据集,在此基础上利用BiLSTM-Attention模型实现非完备信息博弈领域意图识别。答案检索通过对问句中抽取的实体及意图的分析,生成Neo4j数据库所用的Cypher查询语句并在数据库中进行答案查询。3.实现了基于知识图谱的非完备信息博弈教学辅助自动问答系统。本文基于Android实现问答系统前端,引入了科大讯飞的语音识别模块,实现语音,文本多形式问题输入。实现了基于Python的Flask框架实现问答系统后端,完成问题解析与答案检索与生成的任务。经测试,本系统可以回答非完备信息博弈领域的大多数问题,能够辅助非完备信息博弈爱好者进行博弈学习。