楊晨 張鵬

摘 要：針對目前食品安全問答系統(tǒng)準(zhǔn)確率不高且無法滿足智能化問答要求等問題，基于詞向量相似度設(shè)計食品安全問答系統(tǒng)。采用深度學(xué)習(xí)方法構(gòu)建食品安全領(lǐng)域知識庫及詞向量模型，結(jié)合近義詞庫提出問句相似度計算方法，將問句與知識庫內(nèi)所有問句進(jìn)行匹配，返回相似度最高問句對應(yīng)的答案。實驗結(jié)果表明，該系統(tǒng)問答準(zhǔn)確率達(dá)到80%，能滿足食品行業(yè)用戶的日常問答需求。

關(guān)鍵詞：食品安全;詞向量;句子相似度;問答系統(tǒng)

DOI：10. 11907/rjdk. 182790 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP301文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2019）008-0016-05

Application of Food Safety Question Answering System

Based on Word Vector Similarity

YANG Chen， ZHANG Peng

（School of Computer Science， Jiangsu University of Science and Technology， Zhenjiang 212003， China）

Abstract：Aiming at the current problem of the accuracy of the question and answer system in the field of food safety， and the inability to meet the requirements of intelligent question and answer，a food safety question and answer system based on word vector similarity is proposed. The system uses the deep learning method to construct the knowledge base and word vector model in the field of food safety， and combines the thesaurus to propose the method of calculating the similarity of questions， matching the questions with all the questions in the knowledge base， and returning the corresponding questions with answers of the highest similarity. The experimental results show that the accuracy rate of the system is 80%， which can meet the users' daily need of questions and answers in the food industry.

Key Words：Food safety; word vector; sentence similarity; question answering system

作者簡介：楊晨（1994-），男，江蘇科技大學(xué)計算機學(xué)院碩士研究生，研究方向為智能信息處理;張鵬（1994-），男，江蘇科技大學(xué)計算機學(xué)院碩士研究生，研究方向為智能信息處理。

0 引言

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，信息來源愈加豐富，但也帶來信息質(zhì)量參差不齊、難以得到準(zhǔn)確信息等問題，利用自然語言處理技術(shù)構(gòu)建面向不同領(lǐng)域的問答系統(tǒng)應(yīng)運而生[1]。

相關(guān)研究有：考慮到命名實體和實體關(guān)系對答案匹配的影響，通過分析命名實體和實體關(guān)系，于根等[2]構(gòu)建了基于信息抽取技術(shù)的問答系統(tǒng)，并提出基于層次的答案提取方法;秦兵等[3]根據(jù)用戶提問內(nèi)容構(gòu)建候選問題集，通過計算問題集與問句相似度并返回答案的方法實現(xiàn)基于常見問題集的問答系統(tǒng)，并證明此方法能有效提高問題匹配的準(zhǔn)確率;蘇斐等[4]通過對問答系統(tǒng)中問句信息的深入挖掘，實現(xiàn)了基于問句表征的問答系統(tǒng)，有效改善了問答系統(tǒng)的答案抽取準(zhǔn)確性和系統(tǒng)性能。

目前特定領(lǐng)域（如食品安全）問答系統(tǒng)研究較少，且存在回答效果差、性能低下等問題[5]。因此，利用自然語言處理技術(shù)進(jìn)行特定領(lǐng)域問答系統(tǒng)的研究有著重大意義。本文通過引入近義詞詞典，提出一種基于近義詞詞向量相似度的問句相似度算法，實現(xiàn)了基于此算法的食品安全問答系統(tǒng)。

1 相關(guān)技術(shù)

1.1 自然語言處理

文本預(yù)處理是實現(xiàn)自然語言處理的基礎(chǔ)[6]，文本預(yù)處理主要包括分詞、去除停用詞等操作。中文文本的分詞方法[7]主要有基于字符串匹配的分詞方法、基于理解的分詞方法和基于統(tǒng)計的方法。

基于字符串匹配的分詞方法主要包含正向最大匹配法、逆向最大匹配法、最少切分和雙向最大匹配法。在正向最大匹配分詞算法基礎(chǔ)上，常建秋等[8]提出一種正向最大逐字匹配方法，提高了分詞的準(zhǔn)確性，增強了基于字符串匹配分詞方法的實用性。

基于理解的分詞方法[9]需要大量的信息和語言知識作為基礎(chǔ)，但漢語語言知識的復(fù)雜性、多樣性使基于理解的分詞方法難以在實際中運用。

基于統(tǒng)計的分詞方法則是利用統(tǒng)計機器學(xué)習(xí)模型對已分詞后文本進(jìn)行詞語切分規(guī)律的學(xué)習(xí)，進(jìn)而對未知文本進(jìn)行分詞。基于統(tǒng)計的分詞方法，常用的統(tǒng)計模型有最大熵模型[10]（ME）、隱馬爾可夫模型[11]（Hidden Markov Model ，HMM）、N元文法模型[12]（N-gram）和條件隨機場模型（Conditional Random Fields，CRF），從而衍生出最大熵分詞方法、最大概率分詞方法等基于統(tǒng)計的分詞方法。

常見的分詞工具有jieba分詞、IKAnalyzer、漢語詞法分析系統(tǒng)（ICTCLAS）和Stanford 漢語分詞工具[13]。

文本中詞匯間的關(guān)系難以依靠詞語本身獲得，只有將其轉(zhuǎn)換為向量形式并放入一個較大的語料庫中，才能判斷詞匯之間的關(guān)系[14]。

Word2vec是Google于2013年推出的一個自然語言處理工具，它采用兩種神經(jīng)網(wǎng)絡(luò)語言模型CBOW和Skip-gram模型實現(xiàn)詞的分布式表示[15]。CBOW模型和Skip-gram模型都屬于淺層的雙層神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱藏層和輸出層。CBOW模型的基本原理為輸入一個特定詞的上下文相關(guān)詞的詞向量，輸出這個特定詞的詞向量，而Skip-Gram模型的原理則是將特定的一個詞的詞向量作為輸入，輸出是特定詞對應(yīng)的上下文詞向量。Skip-gram模型的精度一般優(yōu)于CBOW模型[16]，因此本文采用Skip-gram模型進(jìn)行訓(xùn)練。

1.2 相似度計算

相似度計算是實現(xiàn)問答系統(tǒng)的重要一步[17]，通過計算用戶輸入的問句與知識庫中每一條知識所對應(yīng)問題的相似度，返回相似度排名中較為靠前的知識，從而確保答案更加精準(zhǔn)。計算語句相似度方法很多，包括計算余弦相似度[18]、N-gram相似度[19]等方法。

（1）N-gram相似度是一種模糊匹配方法，通過兩個相似句子間的“差異”衡量相似度。計算方法為將原句子按長度N（N一般取值為2或3）切分得到詞段，即原句中所有長度為N的子字符串，對于這兩個句子，則可通過共有子串的數(shù)量定義相似度，公式如下：

[P（T）=P（w1|begin）*P（w2|w1）*？*P（wn|wn-1）] （1）

其中，[P（w1|begin）]可以理解為以[w1]開頭的所有句子在句子總數(shù)中的比例，[P（w2|w1）]表示[w2，w1]同時出現(xiàn)的次數(shù)與[w1]出現(xiàn)的次數(shù)比值。

（2）余弦相似度指利用向量空間中兩個向量夾角的余弦值表示兩個個體間差異的大小程度。余弦值越接近1表示夾角越接近0°，即兩個向量越相似;反之，余弦值越接近0表示夾角越大，說明這兩個向量不同，稱為“余弦相似性”。相比距離度量，余弦相似度更加注重兩個向量在方向上的差異，而非距離或長度上的差異。

[cos（θ）=i=1nxiyii=1nxi2*i=1nyi2]? ? （2）

其中，[xi]為句子1中的某一個特征詞的詞向量，[yi]為句子2中某個特征的詞向量。

2 基于詞向量的問句相似度算法

2.1 分詞處理

將用戶輸入的問句記作[Si]，同時將知識庫中對應(yīng)的問句記為[Ai]，通過jieba分詞工具對[Si]和[Ai]進(jìn)行分詞，然后去除停用詞，得到一個由N個詞組成的句子[Si'={x1，x2，？，][xN}]與一個由M個詞組成的句子[Ai'={a1，a2，？，aM}]。

2.2 分詞替換為標(biāo)準(zhǔn)詞

近義詞采用人工錄入方式進(jìn)行。經(jīng)過多年積累，系統(tǒng)常用詞匯基本上都有比較全的近義詞集，其中詞條已達(dá)千萬級。針對零售行業(yè)系統(tǒng)也作過相關(guān)業(yè)務(wù)詞的近義詞擴(kuò)展。

除近義詞關(guān)系外，系統(tǒng)還考慮了其它關(guān)系，如 “檢驗”是一個詞匯，包含“檢驗流程”、“檢驗單位”等，為這種“包含”關(guān)系定義 “檢驗父類”進(jìn)行管理?！皺z驗”本身又可表述成“檢查”等，為這種同義詞關(guān)系定義 “檢驗近類”進(jìn)行管理。通過這種詞匯級的語義關(guān)系管理，最真實且精確地表達(dá)了詞匯本身的含義，從而為精確的語義理解打下基礎(chǔ)，同時為每一種語義設(shè)定標(biāo)準(zhǔn)，此分詞稱為標(biāo)準(zhǔn)詞。

此步驟把[A'i=a1，a2，a3，？，aM]中的各個分詞元素替換為標(biāo)準(zhǔn)詞。

2.3 詞向量訓(xùn)練

Word2vec的訓(xùn)練模型具有一個隱含層的神經(jīng)元網(wǎng)絡(luò)，輸入詞匯表向量，以詞匯表為參照，對于訓(xùn)練樣本中的每個詞，若詞存在詞匯表中，則將其在詞匯表中的位置標(biāo)志置為1，否則置為0。輸出結(jié)果是詞匯表向量，對于訓(xùn)練樣本標(biāo)簽中的每一個詞，把在詞匯表中出現(xiàn)的位置值置為1，否則置為0，最終將輸入樣本中的詞轉(zhuǎn)化為128維的向量。

使用Word2vec模型將[S，i]和[A，i]表示為詞向量：

[xi'={ω1，ω2，？，ωn}]（i=1，2，…，n）? ? ? ? ? ? ? ? （3）

[aj'={φ1，φ2，？，φm}]（j=1，2，…，m）? ? ? ? ? ? ? ? （4）

其中[ωi]和[φi]分別表示詞向量[xi]和[aj]在第i維的向量值，[xi']和[aj']分別表示詞[xi]和詞[aj]由word2vec處理成的詞向量，則[Ai]與[Si]間的詞向量相似度為：

[Sim1（Ai，Si）=i=1nωiφii=1nωi2*i=1nφi2]? （5）

2-gram相似度計算：計算輸入問句和知識中答案對應(yīng)的問句之間的2-gram相似度前，分別計算[Ai]和[Si]的2-gram序列：

[Aseqi={Bw1，w1w2，？，wn-1wn，wnE}] （6）

[Sseqi={Bw'1，w'1w'2，？，w'n-1w'n，w'nE}] （7）

其中[B]和[E]是特殊符號，分別表示輸入問句（知識庫中答案對應(yīng)的問句）的開始和輸入問句（知識庫中答案對應(yīng)的問句）的結(jié)束，則[Ai]和[Si]間的2-gram相似度為：

[Sim2（Ai，Si）=|Aseqi？Sseqi||Aseqi？Sseqi|]? ?（8）

搭配相似度計算：在計算輸入問句和答案對應(yīng)的問句之間搭配相似度前，對輸入問句（知識庫中答案對應(yīng)的問句）進(jìn)行搭配分析，獲取輸入問句（知識庫中答案對應(yīng)的問句）中的搭配對，其中[Acoli]為[Ai]的詞搭配集合，[Scoli]為[Si]的詞搭配集合，則[Ai]和[Si]間的搭配相似度為：

[Sim3（Ai，Si）=|Acoli？Scoli||Acoli？Scoli|]? ? （9）

最終相似度計算：通過多特征的相似度融合算法計算輸入問句與知識庫中答案對應(yīng)問句的相似度為：

[Sim（Ai，Si）=α1*Sim1（Ai，Si）+α2*Sim2（Ai，Si）+α3*Sim3（Ai，Si）] （10）

其中[α1，α2，α3]分別表示這3種相似度權(quán)重，滿足[α1+][α2+α3=1]。

3 系統(tǒng)設(shè)計

食品安全問答系統(tǒng)由食品安全知識庫、文本預(yù)處理、問句與知識相似度計算以及答案生成4個部分組成。

3.1 食品安全知識庫構(gòu)建

食品安全知識庫構(gòu)建是食品安全問答系統(tǒng)的基礎(chǔ)和重要環(huán)節(jié)。系統(tǒng)通過各種渠道收集食品安全領(lǐng)域知識，對這些知識進(jìn)行分類和整理后存入數(shù)據(jù)庫中。每條知識數(shù)據(jù)包含以下信息：所屬類別、知識庫問句、知識庫答案、知識來源。這些知識包含300個知識庫問句和500個對應(yīng)的知識庫答案，其中食品安全法律問句80個，對應(yīng)的食品安全法律答案120個;食品安全常識問句90個，對應(yīng)的食品安全常識答案140個;偽劣食品防范方法問句70個，對應(yīng)的偽劣食品防范方法答案130個;食品經(jīng)銷存儲管理辦法問句60個，對應(yīng)的食品經(jīng)銷存儲管理辦法110個。

3.2 文本預(yù)處理

（1）對食品安全知識庫中答案對應(yīng)的問句進(jìn)行預(yù)處理，包括去除標(biāo)點、停用詞以及分詞等。本文采用的分詞工具為jieba分詞，jieba分詞支持3種分詞模式：將句子作最精確切分的精確模式、掃描出句子中所有可以合成為詞組的全模式、在精確模式上再度切分的搜索引擎模式。

（2）分詞完成后對分詞結(jié)果采用術(shù)語語義網(wǎng)擴(kuò)展分詞語義網(wǎng)（semantic web）。語義網(wǎng)是一種描述事物的網(wǎng)絡(luò)，運用計算機能理解的方式構(gòu)建，如圖1所示。

圖1 語義網(wǎng)結(jié)構(gòu)

語義網(wǎng)由7層組成[20]，分別為：

（1）Unicode和URI?！敖y(tǒng)一字符編碼”與“統(tǒng)一資源定位”是語義網(wǎng)的基礎(chǔ)，統(tǒng)一國際編碼格式以實現(xiàn)事物的統(tǒng)一表達(dá)。

（2）XML和NS。用XML語言實現(xiàn)數(shù)據(jù)與形式的剝離，提取出數(shù)據(jù)，并將表現(xiàn)形式格式化。

（3）RDF和EDF Schema。表示W(wǎng)eb上的元數(shù)據(jù)。

（4）Ontology vocabulary。對數(shù)據(jù)資源分析，提取出語義信息。

（5）Logic。提供語義推理規(guī)則。

（6）Proof。在邏輯層上利用公理進(jìn)行推理與證明。

（7）Trust。提供信任機制。

本文利用術(shù)語語義網(wǎng)對分詞進(jìn)行擴(kuò)展，算法如下：

算法1：分詞替換為標(biāo)準(zhǔn)詞算法

輸入：一組分詞question1

輸出：擴(kuò)展后的分詞組question2

過程：

For each i[∈]question1 do

S = S.replace（i）//用術(shù)語語義網(wǎng)進(jìn)行標(biāo)準(zhǔn)詞替換

End For

擴(kuò)展后的分詞詞組在食品安全知識庫中不一定能找到答案對應(yīng)的問句分詞，需要把分詞轉(zhuǎn)化為標(biāo)準(zhǔn)詞之后再查找答案對應(yīng)的問句分詞。本文通過近義詞詞典找出標(biāo)準(zhǔn)詞。如“食品檢查”、“食品測試”在近義詞詞典中查找出標(biāo)準(zhǔn)詞為“食品檢驗”。

通過一系列處理將輸入問句拆分成多個詞語組成的集合，為進(jìn)行基于詞向量的相似度計算作準(zhǔn)備。

3.3 問句相似度算法

問句與知識相似度計算是本系統(tǒng)核心功能，計算步驟如下：

算法2：基于近義詞詞向量相似度的問句相似度算法

輸入：食品安全相關(guān)問句[Si={x1，x2，？，xN}]

輸出：問句與知識庫中所有答案對應(yīng)問句的相似度集合[Sim（Ai，Si）]

（1）用戶輸入問句，系統(tǒng)將輸入問句去除標(biāo)點符號、去除停用詞和分詞。

（2）For each i[∈]Si do

i = i.replace（）

End for

//在近義詞詞典中尋找分詞結(jié)果中詞匯的近義詞，并替換分詞為標(biāo)準(zhǔn)詞。

（3）For each i[∈]Si do

i = i.Word2vec（）

End for

//利用Word2vec工具分別將分詞得到的結(jié)果及系統(tǒng)中的知識庫問句轉(zhuǎn)化為詞向量。

[Sim1（Ai，Si）]

[Sim2（Ai，Si）]

[Sim3（Ai，Si）]

//Sim1為兩者詞向量間的相似度計算。Sim2為構(gòu)建輸入問句詞集合與系統(tǒng)中知識庫問句集合的2-gram序列，然后用輸入問句詞集合的2-gram序列依次與系統(tǒng)中每一個知識庫問句詞集合的2-gram序列進(jìn)行相似度計算。Sim3為對輸入問句詞集合與知識庫問句詞集合進(jìn)行搭配分析，獲得對應(yīng)的輸入問句詞搭配集與知識庫問句詞搭配集，并依次進(jìn)行問句與每一個知識庫問句的搭配相似度計算。

[Sim（Ai，Si）=α1*Sim1（Ai，Si）+α2*Sim2（Ai，Si）+α3*Sim3（Ai，Si）]

//綜合考慮多種相似度權(quán)重，進(jìn)行多特征的融合相似度計算，從而得出輸入問句與系統(tǒng)中所有知識庫問句的最終相似度。

3.4 答案返回

用戶輸入問句，系統(tǒng)運用輸入問句與知識庫相似度算法求得輸入問句與知識庫問句相似度，判斷是否匹配（設(shè)立相似度閾值，超過閾值即為匹配），按匹配程度進(jìn)行排序，并將與輸入問句匹配度最高的N個知識庫問句對應(yīng)的答案返回給用戶。

4 閾值計算

詞向量模型訓(xùn)練完成后，隨機從測試數(shù)據(jù)集中抽取兩個答案對應(yīng)的問句進(jìn)行相似度計算，得兩個問句的相似度值記為x，真實值為y（相同問句真實值記為1，不同的記為0）。重復(fù)此過程n次，則測試數(shù)據(jù)結(jié)果可表示為：

[（X，Y）={（x1， y1），（x2， y2），（x3， y3），？，（xn， yn）}]

滿足：

xi∈[0，1] （1≤i≤n）

yi = 0 or 1 （1≤i≤n）

則閾值[λ]的求取過程可形式化為以下問題：

一個函數(shù)：[F（x，λ）=1，xλ0，x<λ]

求：閾值[λ]，使得[mini=1n|F（xi，λ）-yi|]

給出定義1：函數(shù)

[F（λ）=i=1n|F（xi，λ）-yi|]

在閾值算法計算中，精度P初始值為1000，abs函數(shù)用來計算絕對值，過程見算法3。

算法3：閾值計算

輸入：（X，Y），P

輸出：λ

初始化：sum1 = P，sum2 = 0，z = 0

For? each （xi，yi）∈（X， Y）? do

xi = xi×P

yi = yi×P

end for

//把每一個相似度xi，和真實值yi都乘以精

度P，使得xi∈[0，1000]，yi=0 or 1000。

For? each i∈[0，1000]? do

For? each （xi，yi）∈（X， Y）? do

If? xi >i ：

z=1000

Else ：

z=0

T=abs（z-yi）

sum2=sum2 + T

end if

end for

if? sum2 < sum1? then

sum1=sum2

λ=i

end if

end for//i從0開始遍歷到1000，求出定義1函數(shù)F（λ）的最小值，同時也求出閾值λ

5 數(shù)據(jù)集與評估方法

5.1 實驗數(shù)據(jù)

實驗所用數(shù)據(jù)來自食品安全知識庫，包括食品安全相關(guān)法律、食品安全常識、偽劣食品防范方法和食品經(jīng)銷存儲管理辦法等4大類共500條食品安全領(lǐng)域知識。

5.2 評估標(biāo)準(zhǔn)

（1）查準(zhǔn)率（Precision）。[S]表示食品安全知識問答對，[TN（S）]表示問答系統(tǒng)返回知識中正確答案的個數(shù)，[RN（S）]表示問答系統(tǒng)返回所有答案的個數(shù)，食品安全問答系統(tǒng)的查準(zhǔn)率可表示為：

[P（S）=TN（S）RN（S）] （7）

（2）查全率（Recall）。[S]表示食品安全問答對，[TN（S）]表示問答系統(tǒng)返回知識中正確答案的個數(shù)，[AN（S）]表示問答系統(tǒng)中所有正確答案的個數(shù)，食品安全問答系統(tǒng)的查全率可表示為：

[R（S）=TN（S）AN（S）] （8）

（3）F1-Measure。[P（S）]表示食品安全問答系統(tǒng)的查準(zhǔn)率，[R（S）]表示食品安全問答系統(tǒng)的查全率，食品安全問答系統(tǒng)的F1-Measure可表示為：

[F（S）=2*P（S）*R（S）P（S）+R（S）] （9）

6 實驗

6.1 實驗參數(shù)設(shè)置

實驗選用詞向量工具word2ve的Skip-gram模型進(jìn)行詞向量訓(xùn)練，抽樣匹配數(shù)（sample）設(shè)置為50 000，相似度閾值（threshold）設(shè)為0.6，匹配問句數(shù)為3，返回知識數(shù)為5，進(jìn)程數(shù)（process_num）為10。

6.2 實驗過程

用戶在系統(tǒng)內(nèi)輸入所要了解的食品安全問題，問答系統(tǒng)將用戶輸入的問句與食品安全知識庫中的問句進(jìn)行相似度計算，并將相似程度大于閾值的問句答案返回給用戶，由用戶判斷返回答案中正確答案的個數(shù)，實驗評估結(jié)果如表2所示。

例句：

食品檢驗歸誰管？

分詞結(jié)果：

食品，檢驗，歸誰，管

匹配相似度最高的前3個問句：

食品檢驗由誰負(fù)責(zé)？

例句與問句1的句子相似度計算結(jié)果為0.75。

食品抽樣檢查如何實施？

例句與問句2的句子相似度計算結(jié)果為0.65。

食品抽樣檢驗流程是什么？

例句與問句3的句子相似度計算結(jié)果為0.62。

最佳結(jié)果：食品校驗由誰負(fù)責(zé)？

返回答案：

知識1：第八十四條？食品檢驗機構(gòu)按照國家有關(guān)認(rèn)證認(rèn)可的規(guī)定取得資質(zhì)認(rèn)定后，方可從事食品檢驗活動。但是，法律另有規(guī)定的除外。食品檢驗機構(gòu)的資質(zhì)認(rèn)定條件和檢驗規(guī)范，由國務(wù)院食品藥品監(jiān)督管理部門規(guī)定。符合本法規(guī)定的食品檢驗機構(gòu)出具的檢驗報告具有同等效力?？h級以上人民政府應(yīng)當(dāng)整合食品檢驗資源，實現(xiàn)資源共享。

知識2：第八十五條？食品檢驗由食品檢驗機構(gòu)指定的檢驗人獨立進(jìn)行。檢驗人應(yīng)當(dāng)依照有關(guān)法律、法規(guī)的規(guī)定，并按照食品安全標(biāo)準(zhǔn)和檢驗規(guī)范對食品進(jìn)行檢驗，尊重科學(xué)，恪守職業(yè)道德，保證出具的檢驗數(shù)據(jù)和結(jié)論客觀、公正，不得出具虛假檢驗報告。

知識3：第八十六條？食品檢驗實行食品檢驗機構(gòu)與檢驗人負(fù)責(zé)制。食品檢驗報告應(yīng)當(dāng)加蓋食品檢驗機構(gòu)公章，并有檢驗人的簽名或者蓋章。食品檢驗機構(gòu)和檢驗人對出具的食品檢驗報告負(fù)責(zé)。

知識4：第八十九條？食品生產(chǎn)企業(yè)可以自行對所生產(chǎn)的食品進(jìn)行檢驗，也可以委托符合本法規(guī)定的食品檢驗機構(gòu)進(jìn)行檢驗。

表2 實驗結(jié)果評估

[問句數(shù)＼&查準(zhǔn)率（%）＼&查全率（%）＼&F1-Measure（%）＼&20＼&76＼&69＼&72＼&40＼&68＼&80＼&73＼&60＼&80＼&79＼&79＼&80＼&82＼&82＼&82＼&100＼&77＼&81＼&78＼&]

知識5：第八十七條？縣級以上人民政府食品藥品監(jiān)督管理部門應(yīng)當(dāng)對食品進(jìn)行定期或者不定期的抽樣檢驗，并依據(jù)有關(guān)規(guī)定公布檢驗結(jié)果，不得免檢。進(jìn)行抽樣檢驗，應(yīng)當(dāng)購買抽取的樣品，委托符合本法規(guī)定的食品檢驗機構(gòu)進(jìn)行檢驗，并支付相關(guān)費用;不得向食品生產(chǎn)經(jīng)營者收取檢驗費和其它費用。

對于此例句，用戶判斷問答系統(tǒng)返回答案中正確的個數(shù)為4，即查準(zhǔn)率為80%，用戶重復(fù)以上操作，可以得出結(jié)論如圖2所示，可以看出基于詞向量相似度的食品安全問答系統(tǒng)在答案的查準(zhǔn)率上表現(xiàn)較好。

圖2 實驗結(jié)果

7 結(jié)語

本文構(gòu)建了基于詞向量相似度的食品安全問答系統(tǒng)。通過引入近義詞詞典和詞向量相似度概念，使詞匯間的相似度計算變得更加準(zhǔn)確。同時設(shè)計了基于詞向量的多特征相似度算法，將句子相似度融入輸入問句與食品安全知識庫問句相似度計算，使答案生成更加嚴(yán)謹(jǐn)。

通過研究問答系統(tǒng)中問句間的相似性，對詞向量空間構(gòu)建方法以及語句相似度相關(guān)計算方法有了更加深入的了解，對問答系統(tǒng)工作流程有了一定認(rèn)識。下一步研究工作：通過擴(kuò)大語料庫規(guī)模和更深入挖掘問句中的語義信息等方法，對食品安全問答系統(tǒng)性能和準(zhǔn)確率進(jìn)行改進(jìn)。

參考文獻(xiàn)：

[1] 毛先領(lǐng)，李曉明. 問答系統(tǒng)研究綜述[J]. 計算機科學(xué)與探索， 2012，6（3）：193-207.

[2] 于根，李曉戈，劉睿，等. 基于信息抽取技術(shù)的問答系統(tǒng)[J]. 計算機工程與設(shè)計，2017，38（4）：1051-1055.

[3] 秦兵，劉挺，王洋，等. 基于常問問題集的中文問答系統(tǒng)研究[J]. 哈爾濱工業(yè)大學(xué)學(xué)報， 2003， 35（10）：1179-1182.

[4] 蘇斐，高德利，葉晨. Web問答系統(tǒng)中問句理解的研究[J]. 測試技術(shù)學(xué)報，2012，26（3）：29-34.

[5] 陶永芹. 專業(yè)領(lǐng)域智能問答系統(tǒng)設(shè)計與實現(xiàn)[J]. 計算機應(yīng)用與軟件，2018（5）：16-21.

[6] 王燦輝，張敏，馬少平. 自然語言處理在信息檢索中的應(yīng)用綜述[J]. 中文信息學(xué)報，2007，21（2）：35-45.

[7] 孫鐵利，劉延吉. 中文分詞技術(shù)的研究現(xiàn)狀與困難[J]. 信息技術(shù)， 2009（7）：187-189.

[8] 常建秋，沈煒. 基于字符串匹配的中文分詞算法的研究[J]. 工業(yè)控制計算機，2016， 29（2）：115-116.

[9] 蘇勇. 基于理解的漢語分詞系統(tǒng)的設(shè)計與實現(xiàn)[D]. 成都：電子科技大學(xué)，2011.

[10] 李素建，劉群，張志勇，等. 語言信息處理技術(shù)中的最大熵模型方法[J]. 計算機科學(xué)，2002，29（7）：108-110.

[11] 魏曉寧. 基于隱馬爾科夫模型的中文分詞研究[J]. 電腦知識與技術(shù)，2007，4（21）：885-886.

[12] 馮連剛. 一種改進(jìn)的基于N元語法模型的中文分詞方法[J]. 自然科學(xué)，2016（10）：00284-00287.

[13] SONG M，CHAMBERS T. Text mining with the Stanford CoreNLP[M]. Measuring Scholarly Impact. Springer International Publishing，2014：215-234.

[14] 張志昌，周慧霞，姚東任，等. 基于詞向量的中文詞匯蘊涵關(guān)系識別[J]. 計算機工程，2016，42（2）：169-174.

[15] 唐明，朱磊，鄒顯春. 基于Word2Vec的一種文檔向量表示[J]. 計算機科學(xué)，2016，43（6）：214-217.

[16] 熊富林，鄧怡豪，唐曉晟. Word2vec的核心架構(gòu)及其應(yīng)用[J]. 南京師范大學(xué)學(xué)報：工程技術(shù)版， 2015（1）：43-48.

[17] 王麗月，葉東毅. 面向游戲客服場景的自動問答系統(tǒng)研究與實現(xiàn)[J]. 計算機工程與應(yīng)用， 2016， 52（17）：152-159.

[18] 武永亮，趙書良，李長鏡，等. 基于TF-ID F和余弦相似度的文本分類方法[J]. 中文信息學(xué)報，2017，31（5）：138-145.

[19] 宋彥，張桂平，蔡東風(fēng). 基于N-gram的句子相似度計算技術(shù)[C].全國計算語言學(xué)學(xué)術(shù)會議， 2007.

[20] 李潔，丁穎. 語義網(wǎng)關(guān)鍵技術(shù)概述[J]. 計算機工程與設(shè)計， 2007， 28（8）：1831-1833.

（責(zé)任編輯：杜能鋼）