面向知识库的智能问答技术

  智能问答技术在自然语言处理和人工智能领域发挥着重要的作用。它将信息检索、知识表示和自然语言处理技术融合在一起，为智能推荐、网络客服等任务提供了杰出的支持。本书共分为11章，分为3个部分。第1部分主要介绍知识库的构建，包括现有的知识库构建技术、基础知识、数据采集技术、数据转换储存和查询流程、异构数据源实体对齐和面向知识图谱的知识推理技术。第2部分主要介绍智能问答技术，包括智能问答技术概述、基础知识和问句理解。第3部分主要介绍基于知识库的智能问答系统的答案检索和部署，包括答案检索和智能问答系统的部署和演示。

  赵海兴，现任青海师范大学副校长、教授，博士生导师。入选国家“百千万人才工程计划”、教育部新世纪优秀人才、青海省千人计划培养杰出人才，教育部“长江学者与创新团队”负责人，享受国务院政府特殊津贴专家；青海学者；国家重点研发计划项目负责人；省部共建藏语智能信息处理及应用国家重点实验室主任。主要从事图论及应用、图神经网络、藏文信息处理等方面的研究工作，主持完成国家重点研发计划项目1项、科技部973研究专项1项、国家自然科学基金项目6项，其中3项成果分别获青海省科技进步一等奖、二等奖、三等奖。发表论文100余篇，其中被SCI/EI收录80余篇。



冶忠林，现任青海师范大学计算机学院教师、副教授，博士生导师，省部共建藏语智能信息处理及应用国家重点实验室专职科研人员，日本长崎综合科学大学客座研究员。2019年入选青海省“高端创新人才干人计划”拔尖人才，青海省“昆仑英才·高端创新创业人才”拔尖人才。2022年获得青海省普通高等学校青年教师“小岛奖励金”。主要研究方向为图神经网络、社会计算、机器翻译等，已发表学术论文70余篇，出版专著／教材5部，授权发明专利3项，实用新型专利S项，主持和参与国家级／省部级项目10余项，指导学生参加国家级／省部级竞赛获奖20余次。

  第1部分 知识库构建

第1章 知识库构建技术概况

1．1 知识库构建背景及意义

1．2 知识库构建研究现状

1．2．1 大规模网络数据采集

1．2．2 网络信息抽取

1．2．3 RDF数据存储与查询技术

1．2．4 实体对齐研究

本章小结

第2章 知识库构建基础知识

2．1 RDF简介

2．2 SPARQL简介

2．3 开源爬取框架Scrapy

2．3．1 Scrapy框架简述

2．3．2 优缺点分析

2．4 NoSQL数据库MongoDB

2．5 图数据库介绍

本章小结

第3章 数据采集技术

3．1 数据源采集

3．1．1 数据选择依据

3．1．2 数据的采集格式

3．1．3 数据获取方式

3．2 数据集的挑战

3．2．1 目标数据的高速采集

3．2．2 目标网站的反爬取机制与速率限制

3．3 大规模数据采集系统的设计与实现

3．3．1 采集框架

3．3．2 数据采集系统的具体实现

3．4 代理IP信息获取

3．4．1 XPath表达式

3．4．2 代理IP获取方式

3．4．3 正则表达式获取

3．4．4 XPath模板生成

3．4．5 候选表达式

3．4．6 排序及抽取

3．4．7 信息验证

本章小结

第4章 数据处理

4．1 实体数据

4．1．1 网页内容抽取

4．1．2 RDF转化

4．2 信息抽取、转化、存储与查询的挑战

4．2．1 信息抽取与数据转化

4．2．2 信息的存储与查询

4．3 实体信息抽取与转化

4．3．1 信息抽取

4．3．2 数据转化

4．3．3 RDF数据规范化

4．4 数据存储和查询

4．4．1 整体框架

4．4．2 关键技术

4．5 非结构化知识抽取

4．5．1 实体关系抽取简介

4．5．2 面向非结构化数据的知识抽取

4．5．3 弱监督学习的关系抽取

4．5．4 NF-Tri-trairung弱监督关系抽取算法

本章小结

第5章 异构数据源实体对齐

5．1 实体对齐的研究方向

5．2 实体对齐算法简介

5．2．1 LCS算法

5．2．2 网络语义标签实体对齐算法

5．2．3 基于属性权重的实体对齐算法

5．3 基于主题模型的中文异构百科实体对齐方法

5．3．1 实体对齐框架

5．3．2 实体上下文建模

5．3．3 基于LCS的属性相似度计算

……

第2部分 智能问答技术

第3部分 基于知识库的智能问答系统

参考文献