科研之友
微信
新浪微博
Facebook
分享链接
摘要
主流的问答系统主要分为基于语义和基于文本匹配两种，而在基于文本匹配的问答模型中，通常是将问题对直接进行相似性比对进而得出最终的答案。然而，自然语言长问句一般比较冗余，如果直接进行计算，受冗余部分影响，正确率一般不高。为解决上述问题，文章提出了一种基于Sentence-Bert和领域词典的智能问答系统，旨在实现更高效、更准确地问答。系统采用领域词典来过滤问句中的冗余部分，再使用训练好的Sentence-Bert句向量模型对预处理后的问句进行向量化，并计算余弦相似度来找到最匹配的问题。实验结果表明，相比Sentence-BERT，提高了问句相似性比对的精度。
- 出版日期2023
- 单位西安工程大学
