基于深度学习的机械智能制造知识问答系统设计
来源：计算机集成制造系统杂志2019年第5期北京时间：
作者：朱建楠,梁玉琦,顾复,郭剑锋,顾新建
单位：1.兰州交通大学自动控制研究所2.甘肃省高原交通信息工程及控制重点实验室3.光电技术与智能控制教育部重点实验室4.浙江大学机械工程学院5.中国科学院科技战略咨询研究院
摘要：为了构建智能制造知识问答系统,促进智能制造知识传递,加快智能制造产业布局,利用深度学习算法对传统问答系统构建流程过于复杂、所需手工与先验知识要求过高、问题与答案无法有效映射等问题进行改进。采用长短记忆神经网络算法来避免一般深度学习算法在进行梯度优化时的梯度消失与梯度爆炸问题,算法中的门机制能够消除链式法则对梯度过度优化的影响,直接对句子的语义做出解析,并利用相似度计算判别回答的正确与否。通过在评测集上的验证实验表明,该语义解析方法能够显著提升问答系统的准确率。
关键词：深度学习,智能制造,Encoder-Decoder框架,问答系统,长短记忆神经网络,门机制,相似度
基金资助：国家重大专项子课题资助项目（2016ZX05040-001）;国家自然科学基金面上资助项目（7167010907,71271200,51775493）。
