Q方向に特色スマート技術を再生するにはKGBマッピング知識

問題と解決の意味を理解することによって、問題を与えているインテリジェントな自然言語の質問と答え、そして答えを推論、知識ベースを照会するために使用します。そして、対話システム、異なるインタラクティブな対話の対話ロボット、以下の機能を備えたインテリジェントな質問と回答：
回答：答えはの知識、または無応答との関係におけるエンティティまたはエンティティに対する答えです（つまり、問題はKBで答えを見つけることができない）です、もちろん、これは必ずしも、そのようなものを中国の都市として唯一の答えではありません。システムは、時にはコンテキストを考慮することは、対話が自然言語文で返信させていただきます。評価基準：リコール（想起）、精度率（精度）、F1-スコア。評価ベースのマニュアル評価に対話システムの基準、ならびにBLEUと困惑。
Q主流のアプローチの知識
セマンティックパーサ（セマンティック解析）：このメソッドは、部分的言語的なアプローチで、主なアイデアは、下側の論理形式により、正式なロジック（論理型）のシリーズに自然言語を形成することです分析まで、論理形態を得るために意味論的問題、（ラムダCaculusと同様に）それぞれのクエリによって知識ベースの問合せ、そう答えを通して表現することができます。
情報抽出（情報抽出）：問題のエンティティを抽出することにより、このクラスのメソッド、エンティティは、知識ベース内の知識ベースエンティティサブグラフを照会することによって、ノードの中心に得ることができるサブグラフのノードまたはエッジのそれぞれがあってもよいです候補者は、情報抽出に基づく一定のルールやテンプレートを観測することによって質問に答えるように、特徴ベクトルは、問題を取得し、最終的な答えを得るために特徴ベクトルを入力することにより、候補の回答の質問をスクリーニングするための分類器を構築します。
ベクトルモデル（ベクトル・モデリング）：アイデアや方法の情報抽出のとかなり近いの質問に答えるために候補者を得るためには、質問と候補回答はトレーニングデータの発現により、分散、分散型の式（分散型埋め込み）にマッピングされています訓練は、スコアの発現ベクターの問題と正解を作ることは、最終的な答えを得る、得点発現ベクターおよびトレーニングモデルの完了後、できるだけ高いとして候補解答質問の式に従ってスクリーニングすることができる（通常はドットの形で）です。
KGBマッピング知識は以下の機能を実行する：1つの文書解析：KGB知識マップエンジン、容易に複数のフォーマットで文書のバージョンを解析することができる：TXT、DOC、EXCEL、PPT 、PDF、XML などを。特定のPDFファイルでは、出力は直接ワードファイル形式、テーブルおよびテキスト形式の保存でファイルの重要な情報として解決することができます。画像情報は、OCRテキストが自動的に識別し、画像内の情報を抽出することができます。2.知識抽出：KGB知識マップエンジン、構造化形態および非構造化テキストと抽出キー知識（サブジェクト、オブジェクト、時間、場所、量、用語、等）から適応認識、最大の正解率は90％に、知識の急速な世代。3、知識協会：DIGエンジンに関連したKGBの知識マップ知識、意義の事実の完全な知識と知識のエンティティへのリンク。そして、強力な知識推論能力、暗黙知の推論や結論、知識豊富なマップを持っています。4、知識、より多くの経験：知識マップの精度を確保するために、より正確な知識・エンジニアの知識の確認をエラーや競合インテリジェントな自動検証と修正の様々な知識を含む知能の品質を、確認することができKGB知識マップ知識処理プラント。
アプリケーション産業において、KGB知識マップは、以下の特性を有する：1、横断スケーラブルマップ処理植物は共通の知識マップ構造のエンジンを持っています。ユーザーの知識マップの構築の必要性と組み合わせ知識抽出、具体的なビジネス知識に依存しない検証プロセスの品質に関連した知識は、ユーザーがすぐにフィールドの知識マップを構築することができます。図2は、知識の品質のインテリジェント検証：エラーおよび競合の様々な知識マップ処理プラントインテリジェント検証及び知識の検証、リアルタイム自動更新のための知識ベースは、知識マップの精度を確保します。3は、人間とコンピュータのサービス：人間の知識マップ処理プラント組成：90％+ 10％の人工マシンは、唯一のコーパスを提供する必要があり、あなたはすぐに知識マップ施工実績を対応得ることができます。