智能问答系统在企业知识服务平台中的应用

张自锋 陶秀杰 周育忠 张志彬

摘 要：整合、利用和协调企业各部门的知识资源，实现企业知识资源联合、开放、共享，为企业员工提供精准的知识服务，已成为企业进行人才培养、开展科技创新的主要途径。基于此，本文利用Java EE技术、BP神经网络算法以及GA遗传算法改進传统的问答系统，设计了一款智能问答系统，并将其应用于企业知识服务平台中，以提高企业员工知识获取效率。

关键词：智能问答系统;知识服务;知识获取

中图分类号：TP311.52文献标识码：A文章编号：1003-5168（2018）29-0027-02

Abstract： Integrating， utilizing and coordinating the knowledge resources of all departments of the enterprise， realizing the joint， open and sharing of enterprise knowledge resources， and providing accurate knowledge services for employees has become the main way for enterprises to cultivate talents and carry out scientific and technological innovation. Based on this， this paper used Java EE technology， BP neural network algorithm and GA genetic algorithm to improve the traditional question answering system， designed an intelligent question answering system， and applied it to enterprise knowledge service platform to improve the efficiency of knowledge acquisition of enterprise employees.

Keywords： intelligent question answering system;knowledge service;knowledge acquisition

随着大数据时代的到来，企业成员对知识的需求不断变化，传统知识平台局限性问题日益凸显。企业知识服务平台在工作过程中主要存在以下问题：从使用者层面考虑，存在有效信息获取效率低下的问题;从管理者层面考虑，存在显性知识不断增长，隐性知识极难获取的问题;从企业层面考虑，存在创新性知识无法满足创新性发展需求的矛盾。以上各种问题与矛盾，实质上是知识服务与知识管理失衡所造成的，因此，实现企业各业务部门知识精准服务，是当前企业知识服务平台建设的重点。基于上述原因，本文利用Java EE技术、BP神经网络算法以及GA遗传算法，对传统的问答系统进行优化，并使之能有效应用于企业知识服务平台中，以提高企业的整体知识服务工作效率，为企业员工提供更为优质的企业知识服务，进而提高企业经济效益及市场竞争力。

1 算法模型设计

1.1 Java EE技术

Java EE技术是SUN公司推出的一种标准体系结构，其利用Java2技术来解决企业级应用方案在开发和部署过程中的各种复杂问题[1]。Java EE技术采用多层级的分布式应用模型，使不同的层级实现对应的功能[2]。

1.2 BP神经网络算法

BP神经网络算法主要是通过模拟人类大脑神经元的学习运作模式，对事物进行判断与处理，并得出相应的参考结果。假设BP神经网络存在k个数据样本，那么第k个数据样本的期望输出可以采用式（1）、式（2）进行描述：

1.3 GA遗传算法

GA遗传算法是根据自然界的遗传规律推演出来的一种算法模型[3]。假设变量[At]代表GA遗传算法中的遗传第一代样本，那么第t代中的第j个个体就可以使用变量[Ajtj=1，2，…，n]进行表示。那么根据上述遗传原理可以推算出第t+1代的样本数量如式（4）所示：

2 系统设计方案

本文主要利用Java EE技术设计了一个智能问答系统。该系统具备高性能的事务处理能力及数据库分布式处理能力，并具备较好的兼容性和可移植性。同时，采用MySQL数据库系统实现数据的存储和维护，该智能问答系统逻辑架构如图1所示。

从图1可知，该智能问答系统主要包括五大功能模块，即QA引擎层、QA定制服务层、QA应用层、检索数据层和服务层。该智能问答系统包含四种不同类型的问答模式，即基于自由文本库的问答模式、基于知识库的问答模式、基于问答对库的问答模式和社区问答模式。

①基于自由文本库回答模式。该模式主要是通过对问题中的关键文本进行抽取，然后匹配知识库中的相关答案，最终答复用户。

②基于知识库的问答模式。该模式主要是通过利用BP神经网络算法，对用户问答数据样本进行学习训练，使系统可以有效地识别用户所提问题的真实意图，并利用遗传算法进行优化，最终实现回答功能。

③基于问答对库的问答模式。该模式主要通过导入行业已有的现成问答资源，形成问答对库，当用户提出相同类型的问题时，可以实现回答功能。

④社区问答模式。通过建立起一个问答社区，用户在社区上通过求助问答的模式，以人工解决的方法，回答用户提出的问题。

3 结语

本文利用Java EE技术、BP神经网络算法以及GA遗传算法，设计了一款智能问答系统，并将该系统应用到企业实际知识服务中。通过反馈可知，该系统能够有效提高员工知识获取效率，帮助企业更好地为员工提供知识服务，促进企业人才培养与科技创新发展。

参考文献：

[1]王文辉，吴敏华，骆力明，等.基于相似度算法的英语智能问答系统设计与实现[J].计算机应用与软件，2017（6）：62-68.

[2]刘超，马东宇.智能问答的聊天机器人系统的设计与实现[J].信息技术，2017（5）：176-177.

[3]刘宝瑞，郭宏娇.基于Deep QA的图书馆数字参考咨询问答系统研究[J].情报科学，2017（4）：103-108.