一种应用于学习机的智能解答系统技术方案

本发明专利技术属于自然语言处理研究领域，具体公开了一种应用于学习机的智能解答系统；包括如下步骤：一、语义分析单元；二、关系构造单元；三、推理分析单元；四、答案抽取单元，对得到的多个候选答案进行评估，将评估值最高的一个作为答案给出系统结果。本系统可以和现有技术中的学习机有效结合，不受现有学习机等题库的题量的影响，能够自动分析、判断并智能地给出答案，有效填补了该方面的空白；本发明专利技术的技术效果主要有两个，一是在汉语真实语料下构建语义角色之间的关系对应，在问题和答案之间形成了推理路径；二是将阅读理解问答的粒度刻画到了语块级别，给出了更为自然，更为贴切的答案。

【技术实现步骤摘要】
一种应用于学习机的智能解答系统
本专利技术属于自然语言处理研究领域，具体涉及一种应用于学习机的智能解答系统。
技术介绍
早期的学习机所采用的方式都是将大量的词典、语法、资料等学习资源都是固化在存储器上的，为购买者提供一些辅助学习功能。但其功能也受到了很大的限制，消费者购买一个学习机，所得到的学习辅助也仅限于该学习机所提供的内容。其功能较为单一，无法得到扩展。自2005年始，学习机已演变成支持不同学习形式和多样化科目支持的电教产品。主要体现在课堂同步辅导、多国学言学习、标准专业词典应用等方面。智能学习机的出现，与手机的发展演变息息相关。智能手机是一种安装了相应开放式操作系统的手机，但智能的说法主要是针对功能而言，并不意味本身有多“智能”。智能学习机的诞生，就是基于开放式操作系统在手机上得以应用，然后将此类技术，应用于学习机。目前大多数的智能手机采用的是安卓(Android)智能操作系统，智能学习机亦是如此。前期的智能学习机，主要体现在将传统学习机的功能模块以APK的形式植入于系统中。随着技术的发展，学习机生产厂家多已在Android系统上，开发出自己的学习系统，将系统的学习资源集成在一起，并依托于移动通讯网络如WIFI功能来实现学习资源的下载和更新。现有技术中推出众多关于学习方面的产品，如学习机、众多学习方面的软件等，都是将答案储存后直接给出，尤其是针对关于文本推理和阅读理解两个方面上，这种学习方式比较单一，学习机等系统内题库的题量都是有限的，对学习有众多不利。
技术实现思路
本专利技术克服现有技术存在的不足，旨在提供一种智能解答方法应用到学习机阅读理解问答中，并将答案刻画在语块级别上。为了解决上述技术问题，本专利技术采用的技术方案为：一种应用于学习机的智能解答系统，具体步骤如下：一、语义分析单元：输入原始文本，首先利用汉语框架网语义资源对该文本进行语义角色标注，遵循汉语句子框架元素标注规范，使用汉语框架网语义资源对所有句子中的语块进行框架元素标注，进入关系构造单元；二、关系构造单元：对于经过语义分析单元处理的文本，首先利用框架元素名称语义信息对文本中的句子构造语义关联，即判断两个框架元素名称是否相同，如果相同则构造关系；否则利用框架元素上下位关系语义信息对文本中的句子构造语义关联，即判断两个框架元素是否相关，如果相关则构造关系；否则利用框架元素语义类型语义信息对文本中的句子构造语义关联，即判断两个框架元素语义类型是否一致，如果相同则构造关系；对于文本中的每个句子不停迭代直至构建起所有关系，形成问答推理图，进入推理分析单元；三、推理分析单元：对于问题中经过标注的未知语义成份，通过构建的问答推理图进行推理分析，得到多个相对应的已知语义角色，进入答案抽取单元；四、答案抽取单元：对得到的多个相对应的已知语义角色进行评估，将评估值最高的一个相对应的已知语义角色作为答案给出系统结果。其中，将针对原始文本所提出的问题也当作文本对待，构造语义关联，形成问答推理图。其中，所述问答推理图是在原始文本的基础上增加了一个问题，假设问题所涉及的场景，在原始文本中必然有相关场景对应，对于问题中标注的未知语义角色在经过语义分析单元处理的文本中也必然有相关的语义成分对应，在对问题经过语义分析单元标注的基础上，通过关系构造单元对经过语义分析单元标注的问题和文本构造语义关联，形成问答推理图。上述过程可简化为：首先利用汉语框架网语义资源对一段文本进行语义分析，并使用框架元素名称、框架元素上下位关系和框架元素语义类型等语义信息对文本中各个句子构造语义关联，同时将针对文本提出的一些问题也当作文本对待，构造语义关联，形成问答推理图；在此基础上针对问题中的未知语义成份，根据推理图寻找推理路径；每条路径上有一个或多个对应于未知成份的已知语义角色，那么这个已知语义角色就可作为一个候选答案，这个答案的粒度级别在语块级别；最后，对得到的多个候选答案进行评估，将评估值最高的一个作为答案来实现阅读理解问答。本专利技术与现有技术相比具有以下有益效果。一、本系统可以和现有技术中的学习机有效结合，不受现有学习机等题库的题量的影响，能够自动分析、判断、智能地给出答案，有效填补了该方面的空白。二、本专利技术在不构建推理规则的情况下，利用汉语框架网中特有的框架元素间关系，通过分析语料寻找语义角色的对应关系，实现推理，本方法降低了推理成本，更接近人类的推理思路。本专利技术所提出的方法充分利用了汉语框架网语义资源，对文本进行语义角色分析，提出一种文本推理方法，将文本推理应用到阅读理解问答中，并刻画了一个语块级别的答案，为阅读理解问题提供了更为生动贴切的答案。三、本专利技术的技术效果主要有两个，一是在汉语真实语料下构建语义角色之间的关系对应，在问题和答案之间形成了推理路径；二是将阅读理解问答的粒度刻画到了语块级别，形成了更为自然，更为贴切的答案。四、将基于汉语框架网的文本推理方法应用到阅读理解问答中，解决了自然语言处理中的问答问题，对自然语言处理相关研究有启发效果。语块级别的答案结果也给问答系统的研究提供了更多的便利。本专利技术方法思路结构清晰，效果明显，可扩展性强。附图说明下面结合附图对本专利技术做进一步详细的说明。图1为本专利技术的系统流程图。图2为本专利技术中关系构造单元具体流程图。具体实施方式现在结合附图对本专利技术作进一步详细的说明，附图为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。本实施例中的汉语框架语义网是一个以Fillmore的框架语义学为理论基础、以英文FrameNet为参照、以汉语语料事实为依据的供计算机使用的汉语词汇语义数据库。在框架语义学理论中词的意义描述须与语义框架相联系，语义框架通过使用参与者、目的、背景等框架元素来描述一个事件、情景、动作或状态。汉语框架网主要包含三部分内容——框架库、词元库和例句库。就框架库而言，其中的框架包含了对各种场景的描述，即各种框架的定义，也包含了对各种语义角色阐释，即各种核心框架元素和非核心框架元素，其中核心框架元素对语义场景的展示是不可或缺的。当一个语义框架被激活后，相应的核心框架元素就会有显式或隐式的具体表达。而对于词元库和例句库来说，词元库中的特定词元可以激活一个特定的语义场景，即语义框架，而这个特定词元激起相应框架时须通过例句库中与这个词元的特定意义相对应的例句才能得以实现。在自然语言处理领域，对于每一个句子，每一段文本，如果使用汉语框架网对其进行语义分析，会将其看成一个个的场景在框架语义学的理论中主要通过框架关系来描述这些场景之间的关系。在FrameNet对外公开的数据中，有八种框架关系，共对1190个语义框架构建了1676个框架关系对，在每个关系对中都有两个框架，其中相对独立、比较抽象的一个称之为上位框架，另外一个比较具体的则称之为下位框架，针对每种框架关系的上下位框架，FrameNet取了一个更为明确的名字，如表1。表1框架关系类型RelationsSubSuper框架关系中文名InheritanceChildParent继承关系Perspective_onPerspectivizedNeutral视角关系SubframeComponentComplex总分关系PrecedesLaterEarlier先后关本文档来自技高网...

【技术保护点】
一种应用于学习机的智能解答系统，其特征在于：包括如下步骤：一、语义分析单元：输入文本后，首先利用汉语框架网语义资源对一段文本进行语义角色标注，遵循汉语句子框架元素标注规范，使用汉语框架网语义资源对所有句子中的语块进行框架元素标注，进入关系构造单元；二、关系构造单元：对于经过语义分析单元处理的文本，首先利用框架元素名称语义信息对文本中的句子构造语义关联，即判断两个框架元素名称是否相同，如果相同则构造关系；否则利用框架元素上下位关系语义信息对文本中的句子构造语义关联，即判断两个框架元素是否相关，如果相关则构造关系；否则利用框架元素语义类型语义信息对文本中的句子构造语义关联，即判断两个框架元素语义类型是否一致，如果相同则构造关系。对于文本中的每个句子不停迭代直至构建起所有关系，形成问答推理图，进入推理分析单元；三、推理分析单元：对于问题中经过标注的未知语义成份，可以通过构建的问答推理图进行推理分析，得到多个相对应的已知语义角色，找到后进入答案抽取单元；四、答案抽取单元：对得到的多个候选答案进行评估，将评估值最高的一个作为答案给出系统结果。

【技术特征摘要】
1.一种应用于学习机的智能解答系统，其特征在于：包括如下步骤：一、语义分析单元：输入原始文本，首先利用汉语框架网语义资源对该文本进行语义角色标注，遵循汉语句子框架元素标注规范，使用汉语框架网语义资源对所有句子中的语块进行框架元素标注，进入关系构造单元；二、关系构造单元：对于经过语义分析单元处理的文本，首先利用框架元素名称语义信息对文本中的句子构造语义关联，即判断两个框架元素名称是否相同，如果相同则构造关系；否则利用框架元素上下位关系语义信息对文本中的句子构造语义关联，即判断两个框架元素是否相关，如果相关则构造关系；否则利用框架元素语义类型语义信息对文本中的句子构造语义关联，即判断两个框架元素语义类型是否一致，如果相同则构造关系；对于文本中的每个句子不停迭代直至构建起所有关系，形成问答推理图，进入推理分析单元；三、推理分析单元：对于问...

【专利技术属性】
技术研发人员：李茹，张旭华，王智强，高俊杰，柴清华，
申请(专利权)人：山西大学，
类型：发明
国别省市：山西;14