基于领域词典和Sentence-BERT的智能问答系统  

作　　者：李强伟 王鑫[1] 陈浩民 赵坤 仝思凡 

机构地区：[1]西安工程大学,陕西西安710600

出　　处：《电脑知识与技术》2023年第25期21-24,33,共5页Computer Knowledge and Technology

基　　金：2022年陕西省大学生创新创业项目(编号:S202210709072)。

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。

关 键 词：领域词典 智能问答 Sentence-BERT FAQ 相似性比对 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]