检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第5期61卷 113-121页

作者：江双五张嘉玮华连生杨菁林安徽省气象信息中心合肥230031 北京航空航天大学北京100191 国家计算机网络应急技术处理协调中心北京100029

随着信息检索和知识获取需求的增加,智能问答系统在多个垂直领域得到广泛应用。然而,在气象领域仍缺乏专门的智能问答系统研究,严重限制了气象信息的高效利用和气象系统的服务效率。针对这一需求,提出了一种面向气象数据库的大模型检索... 详细信息

随着信息检索和知识获取需求的增加,智能问答系统在多个垂直领域得到广泛应用。然而,在气象领域仍缺乏专门的智能问答系统研究,严重限制了气象信息的高效利用和气象系统的服务效率。针对这一需求,提出了一种面向气象数据库的大模型检索智能问答技术实现方案。该方案设计了一种基于关系型数据库(SQL)与文档型数据(NoSQL)的多通道查询路由(multi-channel retrieval router,McRR)方法,为了适配数据库进行大模型查询以及增强大模型对查询表的理解,分别提出指令查询转换方法与数据库表摘要方法DNSUM,提升大模型对数据库的语义理解能力,通过结合问题理解、重排序器和响应生成等关键模块,构建了一个端到端的智能问答模型,可实现多数据源的相关知识检索及答案生成。实验结果显示,该模型可以有效理解用户问题并生成准确的答案,具有良好的检索和响应能力。不仅为气象领域提供了一种智能问答的解决方案,也为气象智能问答技术提供了新的应用实施参考。

关键词：数据库查询数据库问答大语言模型检索增强生成气象问答

来源：评论

学校读者我要写书评

暂无评论

面向汉语数据库问答的数据标注平台和语义解析模型构建

面向汉语数据库问答的数据标注平台和语义解析模型构建

引用

作者：刘泽洋苏州大学

学位级别：硕士

关系数据库是人类设计用于计算机系统存储各类数据的复杂技术。用户使用数据库结构化查询语句(SQL查询)从关系型数据库中提取所需的内容。数据库问答语义解析任务旨在将人类的自然语言问题转化为对应的SQL查询。数据库问答任务中,根据... 详细信息

关系数据库是人类设计用于计算机系统存储各类数据的复杂技术。用户使用数据库结构化查询语句(SQL查询)从关系型数据库中提取所需的内容。数据库问答语义解析任务旨在将人类的自然语言问题转化为对应的SQL查询。数据库问答任务中,根据其数据库的表格数量、是否存在多轮对话的提问,按照难度梯度可以将数据库问答分为三个类型的子任务,分别为单轮单表text-to-SQL任务、单轮多表text-to-SQL任务以及多轮多表text-to-SQL任务。首先,为了解决中文场景的数据稀疏问题,我们设计并开发了数据标注系统。进而,借助本文数据标注系统,我们标注了当前规模最大、质量更佳的单多轮多表text-to-SQL中文数据集SeSQL。基于SeSQL以及其它开源的数据集,本文对三种不同的数据库问答任务分别进行了较为深入的研究与分析。最后,综合全部的研究内容和成果,本文搭建了数据库问答语义解析平台,以满足实际需求。具体而言,本文的主要内容如下:(1)面向多轮多表汉语数据库问答的数据标注系统对于数据库问答语义解析任务,其数据获取难度较高,存在较为显著的数据稀疏问题。针对上述问题,我们设计了多人协作的标注流程,使得在标注过程中能够对先前的标注内容进行检查,更好地保障数据的标注质量。本文基于模块化的思想,搭建了数据标注系统,同时提供一些有助于标注过程的实用功能。最终基于本文提供的数据标注系统,我们构建了规模庞大、质量较好的单、多轮的多表text-to-SQL中文数据集SeSQL。(2)面向单表数据库的单轮问答语义解析单轮单表text-to-SQL任务在当前的业务中需求更为广泛。在此任务中,我们采用sequence-to-set结构的语义解析模型作为基线。对于此基线模型,我们加入了值编码优化策略着重地对其值处理进行改进。此外,我们继续对基线模型加人relation-aware编码层尝试强化其编码效果。实验结果表明,值编码改进策略能够在较大程度上帮助模型预测SQL中的WHERE子句,而relation-aware编码层由于引入了特征向量同质化的问题从而带来较大的负面影响。(3)基于课程学习的面向多表数据库的单轮问答语义解析为了加快语义解析模型的训练过程并提升模型的训练质量,本文尝试将课程学习算法应用在LGESQL模型的训练过程中。本文共设计了两种课程学习方法,经过实验分析,借助SQL结构来划分样本难度的课程学习方案对text-to-SQL语义解析模型的训练过程产生更大的影响。(4)面向多表数据库的多轮问答语义解析模型复现和对比多轮多表text-to-SQL任务逐渐成为学术界的热门研究方向,解决此任务的语义解析模型通常有两种典型的设计思路。对于两种不同设计思路的语义解析模型,本文选取了 EditSQL模型、IGSQL模型、RATSQL扩展模型进行分析并完成复现。我们在中文数据集SeSQL上对三个模型进行实验对比,结果表明仅使用拼接问句的RATSQL扩展模型就拥有较高竞争力的性能水平,同时其代码结构相对简洁高效,更适合工业生产场景,且优化潜力较大。(5)数据库问答语义解析平台搭建随着计算机技术广泛地应用于各行各业,数据库问答语义解析平台随之也拥有广阔的应用场景。综合了前文对语义解析模型的研究、搭建的数据标注系统以及标注完成的数据集SeSQL,借助主流、先进的开发技术我们搭建了数据库问答语义解析平台。经测试,本文问答平台性能稳定,交互性良好,能够满足正常的问答需求。综上所述,我们对数据库问答语义解析进行了较为全面的研究,涵盖了单轮单表、单轮多表、多轮多表三类text-to-SQL语义解析任务,并搭建了相对安全、稳定、性能良好的数据标注系统和语义解析平台,为完成数据库问答任务的实际工业生产场景提供了较完整的解决方案和思路。我们衷心希望本文的研究内容以及所提供的实用工具能够为未来的数据库问答研究有所帮助。

关键词：数据库问答数据标注系统课程学习语义解析平台

来源：评论

学校读者我要写书评

暂无评论

面向汉语知识库问答的语义解析方法研究

面向汉语知识库问答的语义解析方法研究

引用

作者：吴锟苏州大学

学位级别：硕士

知识库是一种计算机系统存储复杂的结构化和非结构化信息的技术。现实生活中大量的知识被存储在结构化的知识库中,如知识图谱和表格数据库。语义解析是一项将自然语言的表述映射为逻辑形式(如SQL查询)的任务。对自然语言问句进行精准、... 详细信息

知识库是一种计算机系统存储复杂的结构化和非结构化信息的技术。现实生活中大量的知识被存储在结构化的知识库中,如知识图谱和表格数据库。语义解析是一项将自然语言的表述映射为逻辑形式(如SQL查询)的任务。对自然语言问句进行精准、深入的语义解析,是提升知识库问答准确率的有效途径。语义解析技术有两种形式。一种是将自然语言问句与逻辑语句中的信息进行语义匹配,并选择匹配度最高的结果作为答案的抽取式方法。另一种是将自然语言问句转换成某种显式的结构化语句,并执行该语句直接获得答案的生成式方法。本文针对图谱和表格两类知识库,结合各自的特点,分别探索了两种形式的语义解析方法。首先,针对知识图谱问答任务,由于知识图谱规模庞大,导致查询语句语句搜索空间非常大。基于抽取式方法,我们比较了两种路径剪枝的方法,并引入了一种更有效的训练方法。进而,针对表格问答任务,针对新提出的汉语数据集DuSQL,我们对当时最先进的面向英文数据集的生成式方法模型进行了拓展。最后,面对语义解析任务中标注数据稀疏的问题,我们提出了一种层次化的数据增广方法。本文的研究内容如下:(1)面向汉语图谱知识库问答的抽取式语义解析给定自然语言问句,知识图谱问答的目标是根据知识图谱中大量的三元组知识,生成包含三元组信息的查询语句并检索答案。简单问句通常利用一个三元组知识即可回答,而复杂问句通常需要利用多个三元组构成的路径信息。我们针对基于间接匹配的语义解析方法,即通过匹配问句信息和候选路径获取答案,做了三点尝试:首先针对知识图谱规模庞大、复杂问句对应候选路径数量爆炸的问题,我们比较了两种路径剪枝的方法,即基于分类的方法和基于集束搜索的方法。第二,我们引入一种负例动态采样的方法训练语义匹配模型,缓解了测试集中存在大量未见的实体和关系的问题,提高了模型性能。最后,我们设计了多个特征对使用不同路径剪枝方法的系统进行融合,进一步提升了整个知识图谱问答系统的性能。(2)面向汉语表格知识库问答的生成式语义解析表格是另一种知识结构化存储的形式,若干个相互关联的表格通常被存储在关系型数据库当中。面向表格知识库问答的语义解析将问句转化为包含表格结构的SQL语句。前人的工作大多关注英文数据集。本文面向新构建的汉语表格问答数据集DuSQL,对当时最先进的IRNet方法进行拓展,提出了 IRNetExt方法,以适应其特有的计算类问题,并支持值预测。实验结果表明,IRNetExt显著提升了计算类和值预测问题的语义解析性能。(3)面向汉语表格知识库问答语义解析的数据增广语义解析数据集的标注难度大、成本高,普遍存在着标注数据稀疏的问题。我们针对表格问答任务提出了一种简单有效的基于层次化问句生成的数据增广框架,以解决测试集数据库与训练集数据库不同带来的跨领域问题。首先,给定目标数据库,基于抽象语法树生成SQL语句。进而,不是通过Seq2Seq方法直接将SQL语句翻译成自然语言问句,而是采取先将SQL子句翻译成自然语言子句然后再组合的方式,产生更高质量的问句。我们在三个中英文数据集上进行了实验。结果表明,基于层次化问句生成的数据增广方法更加有效地提升了基准模型的性能;同时,对增广数据进行采样的训练策略比直接混合和预训练语义解析模型的训练策略更加有效。综上所述,我们对面向汉语结构化知识库问答的语义解析进行了较深入的研究,涵盖了知识图谱问答的抽取式方法和表格问答中文本到SQL语句的生成式方法。我们衷心希望本文的工作可以对未来的知识库问答研究有所帮助。

关键词：知识库问答知识图谱问答数据库问答语义解析数据增广

来源：评论

学校读者我要写书评

暂无评论

基于短信的旅游领域实体问答系统研究

基于短信的旅游领域实体问答系统研究

引用

作者：毛存礼昆明理工大学

学位级别：硕士

自然语言数据库问答是一种很好的问答模式,允许以自然语言的方式进行数据库查询,把答案返回给用户。短信是目前最方便的一种信息服务与交流方式,如何将短信与特定领域一些固定业务的数据库结合,实现基于短信的自然语言数据库问答,非常... 详细信息

自然语言数据库问答是一种很好的问答模式,允许以自然语言的方式进行数据库查询,把答案返回给用户。短信是目前最方便的一种信息服务与交流方式,如何将短信与特定领域一些固定业务的数据库结合,实现基于短信的自然语言数据库问答,非常有价值。本文围绕基于短信的领域实体自然语言数据库问答模型,业务数据库构建、领域实体识别、短信主题分类、答案检索等技术进行了一系列的研究和探讨,主要取得了以下几个方面的成果： (1)针对领域数据库业务查询特点,定义和描述了一种以领域实体、实体属性、属性类别及属性值为结构的特定领域通用的业务数据库构建方法,该方法将特定领域实体类业务数据库的查询结构定义为实体、实体属性、实体属性类别、实体属性值,将实体类业务数据库中不同属性列的查询就转化为查询某一实体相应属性的具体属性值,可实现不同领域业务数据通用存储,定义的结构与领域无关。 (2)针对短信领域业务查询特点,提出了融合实体识别与主题分类相结合的实体业务数据库实体与属性类别获取的短信查询分析方法,该方法针对短信特点及领域实体业务数据库的结构特点,将短信查询分析问题转化为识别查询中的领域实体及短信查询主题类别问题,并采用基于条件随机场的领域命名实体识别方法识别查询中的领域实体,采用面向短文本的动态组合分类算法进行短信主题分类,提取领域实体属性类别,答案提取实验表明,提出的业务数据库实体与属性类别识别方法能提高业务数据查询准确率。 (3)针对领域实体业务数据库特点及短信特点,构建了基于Lucene的特定领域实体业务数据库答案检索系统,该系统采用Lucene框架将结构化的业务数据库转化为文本数据库,即将数据库中每条记录作为一个文挡,利用Lucene将所有文本建立倒排索引文件,并以数据库中的领域实体、实体属性类别对应的列作为索引词,采用基于领域知网的词语相似度计算方法,计算查询实体名称、主题类别与数据库中索引词之间的相似度,以相似度最大的索引词检索提取业务数据查询答案,答案检索实验证明该方法能提高答案查询准确率。 (4)以云南旅游实体数据查询为例,设计实现了基于短信的云南旅游景点、酒店问答原型系统。

关键词：短信领域实体数据库问答查询分析实体识别主题分类 Lucene

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：