典型文献
融合多层次数据的问答知识图谱本体模型构建
文献摘要：
[目的/意义]针对基于问答对的智能问答准确率和解决率低、用户满意度差等问题,研究构建知识图谱本体模型,构建基于知识图谱的智能问答,解决基于问答对的智能问题所面临的问题.[方法/过程]首先,分析当前智能问答面临的问题及原因,提出构建知识图谱支撑智能问答的方案.其次,在已有本体模型构建方法的基础上,提出一种融合多层次数据的多轮循环方法,该方法分别以业务数据、用户数据和业务系统动态数据等多层次数据为数据来源,核心步骤为搭建基本框架、完善知识结构、对齐知识结构三轮循环.最后,以退换货领域为例阐述本体模型构建的具体步骤,从无到有,增量叠加,构建知识图谱本体模型.[结果/结论]将以退换货本体模型为模式层的知识图谱部署在智能问答系统中进行试验,试验结果显示退换货知识图谱上线后智能问答的准确率提升50％,解决率提升300％.其中准确率是指回答正确的问题数量与回答的全部问题数量的比例,解决率是指答案精准解决了用户问题的数量与回答的全部问题数量的比例.本文提出的本体模型构建方法从零散的领域知识中梳理出完整的、细粒度的领域知识结构,支持智能问答为用户提供精准的答案,能够有效解决基于问答对的智能问答困境.
文献关键词：
知识图谱;本体模型;精准问答;多层次数据
中图分类号：
作者姓名：
周毅;刘峥;粟小青;金体成
作者机构：
中国科学院文献情报中心 北京100190;中国科学院大学经济与管理学院图书情报与档案管理系 北京100190;华为终端有限公司 深圳518129
文献出处：
引用格式：
[1]周毅;刘峥;粟小青;金体成-.融合多层次数据的问答知识图谱本体模型构建)[J].图书情报工作,2022(05):125-132
A类：
精准问答
B类：
多层次数据,本体模型,答对,用户满意度,研究构建,基于知识,问题及原因,构建方法,多轮,业务数据,用户数据,业务系统,动态数据,数据来源,基本框架,对齐,三轮,退换货,具体步骤,从无到有,模式层,智能问答系统,准确率提升,指回,零散,中梳,细粒度,领域知识结构,供精
AB值：
0.216653
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
