基于知识图谱的珍稀濒危植物自动问答研究
这是一篇关于珍稀濒危植物,自动问答,知识图谱,ALBERT,AC算法的论文, 主要内容为保护物种多样性是全人类共同的课题,而植物资源是物种多样性的重要组成部分,然而由于人们在进行人类活动的时候,缺乏对植物资源的正确认识,而导致目前已经有许多植物面临着灭绝的风险,因此为了明确这些珍稀濒危植物的物种信息,比如形态特征、生存条件、濒危系数、保护措施等,需要选择用一种有效且便捷直观的方式对珍稀濒危植物知识进行组织和管理。互联网上充斥着大量的珍稀濒危植物信息,然而这些信息高度分散、真假难辨、版本不一,从而导致从事与植物资源相关的工作人员和专业人员很难快速通过信息检索从庞大并且繁琐冗余的信息中获取所需知识。基于知识图谱的问答系统的出现可以有效的解决这一问题,它满足用户可以使用自然语言与机器进行交流的可能,知识图谱以数据库的方式服务于知识问答,从而满足了人们无需输入太多专业词汇和关键词即可实现知识获取,这种人性化、友好的交互方式使得问答系统在通用领域和专业领域都得到了广泛的应用。基于这样的背景,本文的研究工作从以下三个方面展开。(1)珍稀濒危植物多样性本体:分析通过爬虫获得的珍稀濒危植物文本数据,以数据、百度百科、基础植物学知识等为辅助数据来源,通过参考和复用现存植物本体,从而构建本文的珍稀濒危植物多样性本体;(2)珍稀濒危植物知识图谱构建:针对目前缺少珍稀濒危植物知识图谱这一问题,基于珍稀濒危植物多样性本体构建知识图谱,根据本体制定训练数据标注规则,本文采用管道式知识抽取模型进行知识抽取,首先,采用ALBERT模型对训练数据进行预训练处理,然后将训练数据送到Bi LSTM-CRF中进行训练,实现对文本中的实体识别,然后通过Bi GRU-Attention模型对实体的关系进行预测,最终抽取文本数据中的三元组,从而实现自动获取大批量的珍稀濒危植物三元组,并且将实体和关系储存在图数据库Neo4j当中,实验结果表明这两个模型在两个任务中的准确率分别达到了95.72%和96.00%;(3)基于知识图谱的珍稀濒危植物自动问答:知识图谱作为高质量的数据库可以服务于自动问答,由于目前缺少珍稀濒危植物领域问答语料数据集,本文采取传统语义解析方式,选择AC多模式匹配算法实现问句中实体识别和问题分类,然后通过问题模板匹配将原始问句转化为Neo4j中可读的Cypher语句进行知识库检索,最终返回答案给用户,实现自动问答。文本在构建珍稀濒危植物本体的基础上,通过融合ALBERT的管道式知识抽取方法构建了珍稀濒危植物知识图谱,最终基于该知识图谱,采用AC算法实现了珍稀濒危植物自动问答。
基于模式匹配算法的诊疗交互系统研究与实现
这是一篇关于敏感词识别,情感倾向分析,DAT,AC算法,DAT-AC-SVM算法的论文, 主要内容为现如今,互联网的兴起,不良信息在互联网的传播以及医疗需求的不断增加,许多诊疗交互系统的功能以及性能不能满足用户的使用需求,因此本论文针对目前诊疗交互系统的不足,设计与开发了基于Spring Boot框架的诊疗交互系统—云病历。此外,目前市面上的诊疗交互系统很少考虑到敏感信息在诊疗交互系统中传播的可能性,所以本文进一步在云病历系统原有功能的基础上针对敏感信息的存在增加了敏感语义检测模块并给出了具体的设计方案。论文的主要工作有如下几个方面:(1)针对传统诊疗交互系统的不足,设计了便于医患交互的云病历系统。首先,该系统使用Spring Boot框架取代了传统的J2EE开发框架,基于前后端分离的思想,采用Vue框架进行客户端的开发。然后,通过分析云病历系统的需求,对其进行功能模块划分、数据库设计和整体架构设计,之后基于对系统的需求分析和整体设计,对该系统的各个模块进行了编码实现。最后,为了降低耦合度,将消息通知功能与其他功能代码隔离开来,封装成一个消息通知模块,为其他功能提供调用的接口,同时服务端使用Redis作为缓存以及消息队列,大大地提升了接口的响应能力。(2)在构建了面向云病历系统的敏感词库后,提出了一种针对敏感语义检测的DAT-AC-SVM方法。首先,对双数组字典树(Double-Array Trie,DAT)的建树过程以及双数组的构造方式进行优化并对其优化效果进行测试,针对其在多模式匹配情况下的不足引入AC(Aho-Corasick)算法加以改进,并对DAT-AC算法的性能进行测试。之后,考虑到敏感文本的情感倾向问题设计了基于支持向量机(Support Vector Machine,SVM)的敏感文本情感倾向检测方法,并将其与基于朴素贝叶斯模型的方法进行对比,突出了SVM模型的优势。最后,将DAT-AC算法与基于SVM的敏感文本情感倾向检测方法相结合以支撑云病历系统敏感词检测模块功能的实现。(3)根据设计,实现了云病历系统的功能模块,并对其功能模块进行了功能性和非功能性测试,重点介绍了敏感语义模块的测试结果。首先,分别从登录模块、个人信息管理模块、病历管理模块、管理员审核模块、留言模块和敏感语义检测模块着手,通过编写代码完成云病历系统的搭建。然后针对其模块进行功能性测试,着重描述了应用DAT-AC-SVM方法的敏感语义模块的检测过程。结果表明,所提出的DATAC-SVM方法可以有效地完成该模块的功能需求。最后也对云病历系统的非功能性进行了测试。
基于模式匹配算法的诊疗交互系统研究与实现
这是一篇关于敏感词识别,情感倾向分析,DAT,AC算法,DAT-AC-SVM算法的论文, 主要内容为现如今,互联网的兴起,不良信息在互联网的传播以及医疗需求的不断增加,许多诊疗交互系统的功能以及性能不能满足用户的使用需求,因此本论文针对目前诊疗交互系统的不足,设计与开发了基于Spring Boot框架的诊疗交互系统—云病历。此外,目前市面上的诊疗交互系统很少考虑到敏感信息在诊疗交互系统中传播的可能性,所以本文进一步在云病历系统原有功能的基础上针对敏感信息的存在增加了敏感语义检测模块并给出了具体的设计方案。论文的主要工作有如下几个方面:(1)针对传统诊疗交互系统的不足,设计了便于医患交互的云病历系统。首先,该系统使用Spring Boot框架取代了传统的J2EE开发框架,基于前后端分离的思想,采用Vue框架进行客户端的开发。然后,通过分析云病历系统的需求,对其进行功能模块划分、数据库设计和整体架构设计,之后基于对系统的需求分析和整体设计,对该系统的各个模块进行了编码实现。最后,为了降低耦合度,将消息通知功能与其他功能代码隔离开来,封装成一个消息通知模块,为其他功能提供调用的接口,同时服务端使用Redis作为缓存以及消息队列,大大地提升了接口的响应能力。(2)在构建了面向云病历系统的敏感词库后,提出了一种针对敏感语义检测的DAT-AC-SVM方法。首先,对双数组字典树(Double-Array Trie,DAT)的建树过程以及双数组的构造方式进行优化并对其优化效果进行测试,针对其在多模式匹配情况下的不足引入AC(Aho-Corasick)算法加以改进,并对DAT-AC算法的性能进行测试。之后,考虑到敏感文本的情感倾向问题设计了基于支持向量机(Support Vector Machine,SVM)的敏感文本情感倾向检测方法,并将其与基于朴素贝叶斯模型的方法进行对比,突出了SVM模型的优势。最后,将DAT-AC算法与基于SVM的敏感文本情感倾向检测方法相结合以支撑云病历系统敏感词检测模块功能的实现。(3)根据设计,实现了云病历系统的功能模块,并对其功能模块进行了功能性和非功能性测试,重点介绍了敏感语义模块的测试结果。首先,分别从登录模块、个人信息管理模块、病历管理模块、管理员审核模块、留言模块和敏感语义检测模块着手,通过编写代码完成云病历系统的搭建。然后针对其模块进行功能性测试,着重描述了应用DAT-AC-SVM方法的敏感语义模块的检测过程。结果表明,所提出的DATAC-SVM方法可以有效地完成该模块的功能需求。最后也对云病历系统的非功能性进行了测试。
基于模式匹配算法的诊疗交互系统研究与实现
这是一篇关于敏感词识别,情感倾向分析,DAT,AC算法,DAT-AC-SVM算法的论文, 主要内容为现如今,互联网的兴起,不良信息在互联网的传播以及医疗需求的不断增加,许多诊疗交互系统的功能以及性能不能满足用户的使用需求,因此本论文针对目前诊疗交互系统的不足,设计与开发了基于Spring Boot框架的诊疗交互系统—云病历。此外,目前市面上的诊疗交互系统很少考虑到敏感信息在诊疗交互系统中传播的可能性,所以本文进一步在云病历系统原有功能的基础上针对敏感信息的存在增加了敏感语义检测模块并给出了具体的设计方案。论文的主要工作有如下几个方面:(1)针对传统诊疗交互系统的不足,设计了便于医患交互的云病历系统。首先,该系统使用Spring Boot框架取代了传统的J2EE开发框架,基于前后端分离的思想,采用Vue框架进行客户端的开发。然后,通过分析云病历系统的需求,对其进行功能模块划分、数据库设计和整体架构设计,之后基于对系统的需求分析和整体设计,对该系统的各个模块进行了编码实现。最后,为了降低耦合度,将消息通知功能与其他功能代码隔离开来,封装成一个消息通知模块,为其他功能提供调用的接口,同时服务端使用Redis作为缓存以及消息队列,大大地提升了接口的响应能力。(2)在构建了面向云病历系统的敏感词库后,提出了一种针对敏感语义检测的DAT-AC-SVM方法。首先,对双数组字典树(Double-Array Trie,DAT)的建树过程以及双数组的构造方式进行优化并对其优化效果进行测试,针对其在多模式匹配情况下的不足引入AC(Aho-Corasick)算法加以改进,并对DAT-AC算法的性能进行测试。之后,考虑到敏感文本的情感倾向问题设计了基于支持向量机(Support Vector Machine,SVM)的敏感文本情感倾向检测方法,并将其与基于朴素贝叶斯模型的方法进行对比,突出了SVM模型的优势。最后,将DAT-AC算法与基于SVM的敏感文本情感倾向检测方法相结合以支撑云病历系统敏感词检测模块功能的实现。(3)根据设计,实现了云病历系统的功能模块,并对其功能模块进行了功能性和非功能性测试,重点介绍了敏感语义模块的测试结果。首先,分别从登录模块、个人信息管理模块、病历管理模块、管理员审核模块、留言模块和敏感语义检测模块着手,通过编写代码完成云病历系统的搭建。然后针对其模块进行功能性测试,着重描述了应用DAT-AC-SVM方法的敏感语义模块的检测过程。结果表明,所提出的DATAC-SVM方法可以有效地完成该模块的功能需求。最后也对云病历系统的非功能性进行了测试。
基于模式匹配算法的诊疗交互系统研究与实现
这是一篇关于敏感词识别,情感倾向分析,DAT,AC算法,DAT-AC-SVM算法的论文, 主要内容为现如今,互联网的兴起,不良信息在互联网的传播以及医疗需求的不断增加,许多诊疗交互系统的功能以及性能不能满足用户的使用需求,因此本论文针对目前诊疗交互系统的不足,设计与开发了基于Spring Boot框架的诊疗交互系统—云病历。此外,目前市面上的诊疗交互系统很少考虑到敏感信息在诊疗交互系统中传播的可能性,所以本文进一步在云病历系统原有功能的基础上针对敏感信息的存在增加了敏感语义检测模块并给出了具体的设计方案。论文的主要工作有如下几个方面:(1)针对传统诊疗交互系统的不足,设计了便于医患交互的云病历系统。首先,该系统使用Spring Boot框架取代了传统的J2EE开发框架,基于前后端分离的思想,采用Vue框架进行客户端的开发。然后,通过分析云病历系统的需求,对其进行功能模块划分、数据库设计和整体架构设计,之后基于对系统的需求分析和整体设计,对该系统的各个模块进行了编码实现。最后,为了降低耦合度,将消息通知功能与其他功能代码隔离开来,封装成一个消息通知模块,为其他功能提供调用的接口,同时服务端使用Redis作为缓存以及消息队列,大大地提升了接口的响应能力。(2)在构建了面向云病历系统的敏感词库后,提出了一种针对敏感语义检测的DAT-AC-SVM方法。首先,对双数组字典树(Double-Array Trie,DAT)的建树过程以及双数组的构造方式进行优化并对其优化效果进行测试,针对其在多模式匹配情况下的不足引入AC(Aho-Corasick)算法加以改进,并对DAT-AC算法的性能进行测试。之后,考虑到敏感文本的情感倾向问题设计了基于支持向量机(Support Vector Machine,SVM)的敏感文本情感倾向检测方法,并将其与基于朴素贝叶斯模型的方法进行对比,突出了SVM模型的优势。最后,将DAT-AC算法与基于SVM的敏感文本情感倾向检测方法相结合以支撑云病历系统敏感词检测模块功能的实现。(3)根据设计,实现了云病历系统的功能模块,并对其功能模块进行了功能性和非功能性测试,重点介绍了敏感语义模块的测试结果。首先,分别从登录模块、个人信息管理模块、病历管理模块、管理员审核模块、留言模块和敏感语义检测模块着手,通过编写代码完成云病历系统的搭建。然后针对其模块进行功能性测试,着重描述了应用DAT-AC-SVM方法的敏感语义模块的检测过程。结果表明,所提出的DATAC-SVM方法可以有效地完成该模块的功能需求。最后也对云病历系统的非功能性进行了测试。
基于知识图谱的珍稀濒危植物自动问答研究
这是一篇关于珍稀濒危植物,自动问答,知识图谱,ALBERT,AC算法的论文, 主要内容为保护物种多样性是全人类共同的课题,而植物资源是物种多样性的重要组成部分,然而由于人们在进行人类活动的时候,缺乏对植物资源的正确认识,而导致目前已经有许多植物面临着灭绝的风险,因此为了明确这些珍稀濒危植物的物种信息,比如形态特征、生存条件、濒危系数、保护措施等,需要选择用一种有效且便捷直观的方式对珍稀濒危植物知识进行组织和管理。互联网上充斥着大量的珍稀濒危植物信息,然而这些信息高度分散、真假难辨、版本不一,从而导致从事与植物资源相关的工作人员和专业人员很难快速通过信息检索从庞大并且繁琐冗余的信息中获取所需知识。基于知识图谱的问答系统的出现可以有效的解决这一问题,它满足用户可以使用自然语言与机器进行交流的可能,知识图谱以数据库的方式服务于知识问答,从而满足了人们无需输入太多专业词汇和关键词即可实现知识获取,这种人性化、友好的交互方式使得问答系统在通用领域和专业领域都得到了广泛的应用。基于这样的背景,本文的研究工作从以下三个方面展开。(1)珍稀濒危植物多样性本体:分析通过爬虫获得的珍稀濒危植物文本数据,以数据、百度百科、基础植物学知识等为辅助数据来源,通过参考和复用现存植物本体,从而构建本文的珍稀濒危植物多样性本体;(2)珍稀濒危植物知识图谱构建:针对目前缺少珍稀濒危植物知识图谱这一问题,基于珍稀濒危植物多样性本体构建知识图谱,根据本体制定训练数据标注规则,本文采用管道式知识抽取模型进行知识抽取,首先,采用ALBERT模型对训练数据进行预训练处理,然后将训练数据送到Bi LSTM-CRF中进行训练,实现对文本中的实体识别,然后通过Bi GRU-Attention模型对实体的关系进行预测,最终抽取文本数据中的三元组,从而实现自动获取大批量的珍稀濒危植物三元组,并且将实体和关系储存在图数据库Neo4j当中,实验结果表明这两个模型在两个任务中的准确率分别达到了95.72%和96.00%;(3)基于知识图谱的珍稀濒危植物自动问答:知识图谱作为高质量的数据库可以服务于自动问答,由于目前缺少珍稀濒危植物领域问答语料数据集,本文采取传统语义解析方式,选择AC多模式匹配算法实现问句中实体识别和问题分类,然后通过问题模板匹配将原始问句转化为Neo4j中可读的Cypher语句进行知识库检索,最终返回答案给用户,实现自动问答。文本在构建珍稀濒危植物本体的基础上,通过融合ALBERT的管道式知识抽取方法构建了珍稀濒危植物知识图谱,最终基于该知识图谱,采用AC算法实现了珍稀濒危植物自动问答。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工厂 ，原文地址：https://m.bishedaima.com/lunwen/50256.html
