浅层语义分析及SPARQL在问答系统中的应用

doi:10.3778/j.issn.1002-8331.2011.02.037

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (2): 118-120.DOI: 10.3778/j.issn.1002-8331.2011.02.037

• 数据库、信号与信息处理 • 上一篇下一篇

浅层语义分析及SPARQL在问答系统中的应用

张巍^1，2，陈俊杰¹

1.太原理工大学计算机与软件学院，太原 030024
2.山西职工医学院信息中心，太原 030012

收稿日期:2010-10-08 修回日期:2010-11-29 出版日期:2011-01-11 发布日期:2011-01-11
通讯作者: 张巍

Application of shallow semantic analysis and SPARQL in question answering system

ZHANG Wei^1，2，CHEN Junjie¹

1.College of Computer and Software，Taiyuan University of Technology，Taiyuan 030024，China
2.Information Center，Shanxi Medical College for Continuing Education，Taiyuan 030012，China

Received:2010-10-08 Revised:2010-11-29 Online:2011-01-11 Published:2011-01-11
Contact: ZHANG Wei

摘要/Abstract

摘要： 为了解决受限域问答系统中答案抽取的问题，提出了一种基于浅层语义分析的问答系统模型。该模型以自然语言为接口，利用医院信息本体，采用浅层语义分析技术，由语义块定义规则和语义块判定规则，首先生成问句向量，然后利用SPARQL查询技术，在本体中进行查询，从而得到答案。实验表明该方法可行，对自动问答系统的设计具有借鉴意义和深入研究的价值。

关键词: 问答系统, 层语义分析, 然语言处理

Abstract: To solve the problem of the answer extraction of restricted-domain question answering system，a question answering system model based on shallow semantic parsing is presented.A natural language interface is provided，the ontology of the hospital information is utilized and shallow semantic parsing technology is applied in the model.According to the rules of the definition and determination of semantic chunk，the question vector is firstly generated，then SPARQL query technology is utilized，the answer is obtained by querying in the ontology.The experiments proves that it is feasible to use the method to develop a question answering system，it is valuable for further study in more depth.

Key words: question answering system, shallow semantic analysis, nature language processing

中图分类号:

TP391

张巍^1，2，陈俊杰¹. 浅层语义分析及SPARQL在问答系统中的应用[J]. 计算机工程与应用, 2011, 47(2): 118-120.

ZHANG Wei^1，2，CHEN Junjie¹. Application of shallow semantic analysis and SPARQL in question answering system[J]. Computer Engineering and Applications, 2011, 47(2): 118-120.

[1]	韩东方，吐尔地·托合提，艾斯卡尔·艾木都拉. 问答系统中问句分类方法研究综述[J]. 计算机工程与应用, 2021, 57(6): 10-21.
[2]	刘博闻，范春晓. 基于位置感知能力胶囊网络的实体关系提取[J]. 计算机工程与应用, 2021, 57(6): 101-107.
[3]	廖文雄，曾碧，徐雅芸. 结合一维扩展卷积与Attention机制的NLP模型[J]. 计算机工程与应用, 2021, 57(4): 114-119.
[4]	江洋洋，金伯，张宝昌. 深度学习在自然语言处理领域的研究进展[J]. 计算机工程与应用, 2021, 57(22): 1-14.
[5]	袁勋，刘蓉，刘明. 融合多层注意力的方面级情感分析模型[J]. 计算机工程与应用, 2021, 57(22): 147-152.
[6]	武书钊，李功权，卜明伟. 基于知识图谱的自杀倾向检测问答系统构建[J]. 计算机工程与应用, 2021, 57(22): 304-312.
[7]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[8]	焦凯楠，李欣，朱容辰. 中文领域命名实体识别综述[J]. 计算机工程与应用, 2021, 57(16): 1-15.
[9]	刘畅，阿布都克力木·阿布力孜，姚登峰，哈里旦木·阿布都克里木. 维吾尔语形态分析研究综述[J]. 计算机工程与应用, 2021, 57(15): 42-61.
[10]	李智，王震，杨赋庚，奚雪峰. 基于表格的自动问答研究与展望[J]. 计算机工程与应用, 2021, 57(13): 67-76.
[11]	包玥，李艳玲，林民. 抽取式机器阅读理解研究综述[J]. 计算机工程与应用, 2021, 57(12): 25-36.
[12]	何玉洁，杜方，史英杰，宋丽娟. 基于深度学习的命名实体识别研究综述[J]. 计算机工程与应用, 2021, 57(11): 21-36.
[13]	郝超，裘杭萍，孙毅，张超然. 多标签文本分类研究进展[J]. 计算机工程与应用, 2021, 57(10): 48-56.
[14]	孙凌浩. 利用翻译模型的跨语言中文命名实体识别[J]. 计算机工程与应用, 2021, 57(10): 94-100.
[15]	谭刚，陈聿，彭云竹. 融合领域特征知识图谱的电网客服问答系统[J]. 计算机工程与应用, 2020, 56(3): 232-239.

浅层语义分析及SPARQL在问答系统中的应用

Application of shallow semantic analysis and SPARQL in question answering system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics