题  目

基于机器学习的军事理论智能问答系统

课题研究的背景与意义：（阐述研究依据，综述国内外相关研究现状；阐述课题的研究目的、意义）

1.研究依据

智能问答系统是信息检索系统的一种高级形式，它可以通过链接知识库方式检索到用户问题的答案。智能问答系统的答案可以从结构化知识库获取，用于规章制度、规则条款等问答形式，也可以通过结合一些已有的知识库和数据库资源，利用百度百科，必应等非结构化文本信息，用信息抽取的方法提取关键信息，并构建知识图谱作为问答系统的后台支撑，再结合知识推理等方法为用户提供更深层次语义理解的答案。机器学习的智能问答系统可以让我们更加方便的理解学习相关理论知识和相关的规章制度等，所以我选择了这个题目。

2. 国内外现状

问答系统最早的原型追溯到70多年前，人工智能之父Alan. Turning早在1950年所做的实验，可视为最早的问答系统理论模型，他试图通过让机器与人类交谈问答的方式，对机器是否具有“思想”进行验证，著名的“图灵测试”就是此时提出的。同样，检验机器的自然语言理解能力的任务之一也交到了问答系统手里。此后10年，第一代自然语言处理系统中，出现了BASEBALL系统用于回答在美国职业棒球大联盟中的有关比赛的问题、ELIZA心理学领域的聊天机器人等;此后20年，第二代自然语言处理系统中，比较有名的系统是LUNAR系统、SHRDLU系统、GUS系统、SAM系统;1970年左右，LUNAR系统专事回答阿波罗登月返回的月球岩石样本的地质问题;GUS.Bobrow等开发旅行信息咨询系统。

目前，ASKJEEVE, ANSWERBUS和START这些比较成功的问答式检索系统中，ASKJEEVE提供给使用者相关文章;ANSWERBUS给使用者回复与问题相关的多个答案;START直接返回给使用者简洁答案。此外，随着信息技术不断地发展和更新，目前生活服务助手有多个代表一一苹果的Siri、谷歌的GoogleNow、微软的Cortana，他们均加了科研和资金投入，试图将自然语言为基本输入方式的问答系统作为新型信息服务模式的突破。与起步较早的国外相比，国内在这一领域的研究和技术还是相对落后，目前开展这一学科域内的汉语自动语音问答系统技术应用研究工作的国内科研机构仍然是很少，原因主要有由于中文汉语的基本语义结构和汉语句法结构较于英文来说还比较的复杂，也缺少一种国际公认先进的、比较成熟完善有效的自动汉语问答系统的评测平台。1980年，具有代表性的我国第一个基于汉语的人机对话系统诞生，其由中国科学院语音研究所开发，从此拉开了国内问答系统研究序幕，并且随着大环境的积极影响，在国内汉语问答研究系统方面，机构研究者的数量在近些年以来也正呈稳步的上升，包括了中科院计算所、哈工大和北京语言学院范围内的等多家相关科研教学单位，在以往的TREC Q&A Track}lx」评测报告中显示，中科院计算所、哈工大等均已取得出了一些不错的研究成果，在相关研究领域中也做出了一些有益探索的探索[]。

3.目的和意义

随着互联网的发展，互联网上的信息越来越繁杂，已呈现出爆炸式增长的状态，面对信息洪灾，人们越来越难以在网上便捷获取有效信息，获取有效信息的成本也越来越高。利用搜索引擎可以帮助人们搜索自己想要的信息,但是目前的搜索引擎存在一些缺点,并不能满足人们方便、快速、准确地获取信息的需要。智能问答系统正是为了满足人们的这种愿望而发展起来的,它通过采用自然语言处理技术,用简洁准确的语言回答用户用自然语言提出的问题，智能问答系统不仅仅可以获取语言表面上的信息，还可以获取更深层次的语义信息，而这种进步恰好也给了问答系统生存的土壤与营养。问答系统所能带来的变革与收益，诸如在取代智能人工客服，聊天机器人，智能家居，知识竞赛等领域的应川进一步引起了学术界和IT业界的广泛关注。当前，问答系统已成为自然语言处理领域研究的一大热点。本文设计的军事理论问答系统的应用会节省一部分人力物力，使人们能够更加快速和方便地理解与运用，加速与强军实践相结合。

主要研究思路、方法和内容：（分为指导思想、基本思路、工作重点、技术路线和基本内容等模块）

指导思想：朴素贝叶斯法（Naive Bayes model）是基于贝叶斯定理与特征条件独立假设的分类方法。数据驱动分类器学习一直是近年来的热点，方法很多，比如神经网络、决策树、支持向量机、朴素贝叶斯等。相对于其他精心设计的更复杂的分类算法，朴素贝叶斯分类算法是学习效率和分类效果较好的分类器之一。朴素贝叶斯算法假设了数据集属性之间是相互独立的，因此算法的逻辑性十分简单，并且算法较为稳定[]，但是数据集属性的独立性在很多情况下是很难满足的，因为数据集的属性之间往往都存在着相互关联，如果在分类过程中出现这种问题，会导致分类的效果大大降低。针对朴素的贝叶斯算法对关联属性分类效果不佳的问题，结合相关的结构扩展是我将要突破的地方。

基本思路： 军事理论智能问答系统总体实现步骤主要包括数据预处理，模型训练，结果映射以及答案匹配。数据预处理主要是对语料库进行收集，并对语料库进行筛选转换为需要的格式；然后使用朴素贝叶斯对处理好的语料库进行训练，语料库输入模型训练之前需要先对其进行预处理以及转换（去停用词，分词，TF-IDF[]计算），通过TF-IDF计算后则输入朴素贝叶斯中进行训练。在结果映射步骤中，主要是对事先确定好的类别进行映射处理（可用于脚本网页跳转使用）。答案匹配采用了模糊匹配的方法对用户提的问题进行匹配，搜索出相似的问题并给出其对应的答案。

工作重点：

1军事知识智能问答系统的基本原理

主要包括问题的理解及预处理，朴素的贝叶斯算法分类，python-sklearn的机器学习和结果映射

2.语料库的构建与中文分词的区别[]

语料库是指智能问答系统的数据库。智能问答系统首先要做的是建立语料库

3.朴素贝叶斯分类[]算法

朴素贝叶斯算法是一种基于概率的分类算法，可以用来做问题预处理后的分类

4.TF-IDF特征加权与问题处理结果映射

TF-IDF用来评估一个字词对一个语料库或文件集中一份给定文件的重要程度，用于信息检索和转换，采用模糊匹配的方法进行匹配答案。

工作进度安排：

例：

（1）2022年10月11日至10月21日，指导老师向学员下达毕业论文（设计）任务书，并指导学员完成开题报告；

（2）2022年11月12日至12月31日，查阅相关资料，编写系统的开发设计文档，对系统开发进行详细计划并确定下一步开发；

（3）2023年1月1日至2月27日：准备英文及对应的中文翻译材料，系统功能的编码实现；

（4）2023年3月1日至3月24日：系统的全面测试，归并相关系统开发文档，完成毕业论文的撰写及定稿；

（5）2023年4月至5月：参加毕业设计答辩。

课题研究的参考文献：

[1] 袁绍正. 面向退役军人咨询服务的智能问答系统研究与实现[D].青岛科技大学,2022.DOI:10.27264/d.cnki.gqdhc.2022.000994.

[2] 孙弋,李直.使用贝叶斯分类的高考学业规划智能问答系统[J].计算机系统应用,2021,30(04):93-98.DOI:10.15888/j.cnki.csa.007924.

[3] 祁慧敏,张晨.智能问答系统的设计与实现[J].河南财政税务高等专科学校学报,2022,36(01):77-80.

[4] 陈翠娟.改进的多项朴素贝叶斯分类算法和Python实现[J].景德镇学院学报,2021,36(03):92-95.

[5] 彭子豪,谭欣.并行化改进的朴素贝叶斯算法在中文文本分类上的应用[J].科学技术创新,2020(26):176-178.

[6] .领域知识库构建及智能问答系统[J].中国科技资源导刊,2019,51(04):112.

[7] 王艺颖.朴素贝叶斯方法在中文文本分类中的应用[J].中国高新科技,2019(07):57-60.DOI:10.13535/j.cnki.10-1507/n.2019.07.05.

（以上内容由学员在老师指导下填写）

学员签字：                    年   月   日

指导老师

审核意见

签     名：                   年   月   日