《基于知识图谱的自杀倾向检测问答系统构建》CSCD

图谱的自杀倾向检测问答系统构建》CSCD"/>

《基于知识图谱的自杀倾向检测问答系统构建》CSCD

分词技术：HanLp

自杀倾向文本分类技术：BILSTM

词向量转换：BERT

数据库：Neo4j

本文的数据获取和图谱构造都是较为常规的方法，系统的设计点主要在问题理解部分。

问题理解层次的输入时用户的问句。

1. 分词处理    这里对比了Jieba、HanLP、中科院分词NLPIR这三个工具，选择了准确率最高的HanLP工具。
2. 问题分类    将用户的提问分为5类，使用分词，构造出每个类别的词云，然后计算分词后的单词的CHI值，排序选择每类CHI最大的150词，构造出1000多维的特征列表。这样就可以给输入的数据形成对应的特征向量。

1. 自杀倾向分类包括：自杀倾向、自残倾向、伤害倾向、正常倾向

这里使用BILSTM来对用户意图进行分类

1. 问题模板匹配   如果问题中的实体能够通过AC算法找到就可以直接通过数据库来返回答案。如果问题模糊，在AC匹配不成功时就采用问题模板匹配来对用户的意图进行分析。

相关查询：

AC算法  Aho-Corasick自动机算法(AC算法解读)_Technology DNA-CSDN博客

总结：这个文章做的问答系统，通过对数据库中的数据进行分类关联，以及对问题的分类，利用分词技术，可以对用户的问题进行结果返回。文章增添了对自杀倾向的一个识别，对心理问答系统来说整个系统更加符合心理这方面，而不是而其他问答系统没有什么差别，同时模板匹配也让问答系统更加灵活，没有那么死板。在这篇文章中，我看到了同样是问答系统，但是针对的领域不同是有不同的需求的，而且通过一些针对性对的设计能够让系统更加丰富。