基于京剧知识图谱的智能问答系统
Intelligent Question Answering System Based on Knowledge Graph of Beijing Opera
Wenjun Hou, Yiming Cao
2021-03-01
订阅获取戏曲与曲艺被引 3
摘要
为了提升传统文化的数字化服务效果，本文以京剧领域为研究对象，完成了京剧知识图谱的研究与构建，并进一步开发了智能问答系统。针对用户输入的中文问题，该系统首先采用BERT + Bi-LSTM + CRF模型识别命名实体，随后利用BERT-Sentence Pair Classification模型计算文本相似度以完成关系属性映射，同时结合字符串匹配机制以提升检索效率，最终给出答案。在本文所用的京剧数据集上，两种模型的F1值分别达到91.01%和91.17%。最后，本文提出了一种领域知识图谱的本体构建方法，所开发的问答系统在京剧知识的检索与利用方面也取得了良好的应用成效，实现了有效的数字化文化服务形式。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 本文聚焦京剧领域，主张通过构建领域知识图谱及智能问答系统来提升传统文化的数字化服务效果。研究认为，将深度学习模型与字符串匹配相结合处理自然语言问题，能够有效实现京剧知识的检索与利用，从而形成数字文化服务的有效范式。
- 研究方法
- 研究首先提出并实施了领域知识图谱的本体构建方法。在智能问答环节，采用 BERT + Bi-LSTM + CRF 模型进行命名实体识别，并运用 BERT 句对分类模型计算文本相似度以完成关系属性映射，同时辅以字符串匹配技术来提升系统的整体运行效率。
- 学术贡献
- 本文提出了一种针对京剧领域的知识图谱本体构建方法，为传统戏曲知识的结构化表示提供了路径。所构建的智能问答系统在自建数据集上表现优异，实体识别与关系映射模型的F1值分别达到91.01%和91.17%，验证了相关技术框架在数字文化服务中的应用价值。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Topic Modeling