高校移动智能问答系统设计与实现

　　在众多移动应用服务中，移动智能问答系统是一种深受用户青睐，具有广泛发展前景的服务系统，它充分利用了问答系统的智能性和移动技术的便捷性：用户只需通过手机，就可以随时随地以自然语言的方式提问获取自己想要的信息。最出名的移动智能问答系统当属iOS系统中的智能助理软件Siri，用户通过简单对话，便可完成搜寻资料、查询天气、设定闹铃等功能，非常方便快捷。

　　从北大现状来看，为帮助师生解答教学、科研、人事、后勤等多方面的问题，学校服务部门提供了网站和热线电话两种途径，但这两种方式都存在弊端：一是用户不能即时获取想要的信息；二是用户的问题常常具有重复性，重复回答势必会降低服务的效率。如果引入移动智能问答系统，那么师生员工只需通过移动设备，就可以方便地提问并快速获取答案，这样既给师生员工提供了一种方便快捷的咨询方式，又在很大程度上减轻了服务人员的负担，提高了工作效率。

　　本文在前人研究的基础上，提出分层知识仓库和基于分层知识仓库的智能问答系统建设方案。本文的具体工作包括以下内容：

　　1.通过分析现有信息资源，将知识划分为三种类型，基于不同类型的知识构建分层知识仓库，分别为：常用信息服务层、FAQ层和全文检索知识层；

　　2.设计了基于知识仓库的智能问答系统建设方案，针对不同的层次采取不同策略获取问题答案：利用校内信息服务开放平台获取常用信息服务结果；设计基于分解的向量空间模型和语义概念的问题相似度计算算法，从FAQ库获取“问题-答案”序列；搭建基于solr的全文检索平台获取文本型知识；

　　3.搭建了微信公众服务号，实现了基于微信公众平台的智能问答系统的移动客户端。

　　相关研究分析

　　问答系统经历了从特定领域到开放领域，从无知识库到结构化知识库，从固定语言材料到Web文本的发展过程。

　　第一个真正的问答系统是Eliza，它没有知识库，仅依靠语言变换的技巧与用户交流。后来问答系统有了知识库，最初知识都是由研究人员手工录入知识库。随着网络技术飞速发展，研究人员考虑根据问题要求从系统文档集合中检索相关文本或从Web文档中检索网页，处理后将最终选定的答案返回给用户，这类系统称为问答式检索系统，尽管问答式检索系统扩大了搜索范围，但返回给用户还只是相关答案的链接，无法直接获取答案。为此研究人员将问答系统的研究提高到了开放领域高度，知识库基于各类文本集，对用自然语言提出的问题能够进行精确回答，其返回结果是信息点而不是包含了答案信息的文档，这类问答系统典型的代表有LCC，INOAUT，Mulder和Webclopedia。

　　同英文问答系统相比，中文问答系统的研究明显不足，这一是因为中文语义比英文复杂，二是受中文知识库不够丰富的影响。比较典型的中文问答系统有陆汝钤院士主持开发的盘古知识库及以此为后台的对话系统AutotalkSystem，中科院计算所开发的NKI知识问答系统等。

　　在高校，问答系统已开始应用于远程教育、校园导航、图书服务等领域，比较典型的应用有上海交大的Answer Web、清华的EasyNav等，但还只是处于起步阶段。

　　从工作原理上来说，问答系统可归为两大类：（1）基于常见问题库（FAQ）的系统：事先将提问率较高的问题及其答案归纳好，存入常见问题库。对于用户输入的问题，系统自动地将问题问句与FAQ中的问句进行关键词匹配，如果能找到相似度很高的问句，就将该问句对应的答案返回给用户；（2）基于全文检索的系统：在获取用户问句后，对句子分析，提取关键词，再利用信息检索技术在文档库中进行检索，检索到的文档会按与查询关键词的相关度排序输出，最后采用答案抽取技术在相关度最高的文档中抽取答案返回给用户。

　　两类问答系统各有利弊：基于FAQ的系统实现起来比较简单，但不能准确回答未被归纳入常见问题的提问，回答问题能力有限；基于全文检索的系统克服了基于FAQ系统的缺点，但依靠信息检索技术查找答案，所有与关键词相关的文档都会检索，内容上的重复就无法避免，会造成系统运行时间长，效率低的问题。鉴于此，本文对二者进行综合改进，并考虑北大实际情况，提出了基于分层知识仓库的问答系统。