【摘要】：随着人工智能技术的飞速发展,智能问答系统被广泛应用于各行各业中。近些年来,人们医疗健康需求日益增大,搜索引擎成为人们检索医疗问答信息的重要渠道。当前,国内搜索引擎针对用户提出问题缺乏语义理解过程,仅在结果中展示与关键字接近的网页链接,无法直观得给出问题答案,搜索结果的准确性与权威性难以保证。随着国家智慧医疗项目的大力推进,本文主要研究目的是实现面向医疗领域的智能问答系统,旨在为人们提供精准可靠的智能问答服务。当前,智能问答系统研究过程中存在以下问题,一是传统基于模板匹配的问答系统需要花费大量人力维护模板库,二是基于深度学习的智能问答系统存在语义理解不透彻、模型可解释性差的问题。为解决上述问题,提升系统的易用性,本文通过分析现阶段医疗智能问答系统的产品特点与现有功能,引入语义解析思想医疗智能问答系统,提出一种基于语义解析医疗智能问答系统设计方案,并通过实验论证了该算法的可行性。在系统实现过程中,智能问答算法作为系统核心支撑部分。本文研究与实现过程中的主要贡献点如下:(1)本文从系统体系架构层面进行技术选型,提出基于语义解析的医疗智能问答系统设计方案。相较于传统方案增加语义解析流程设计医疗智能问答系统,可以精准分析用户提问,解决了传统方案智能化程度差的问题。(2)本文提出一种基于语义解析的医疗领域智能问答算法。算法引入了BERT( from )预训练模型,并基于语义解析的方式构建问答流程,核心内容在于提出基于BERT-Bi LSTM-CNNs-CRF的实体识别模型和基于规则的路径排序算法。本文提出基于语义解析的算法有效的提升了问句语义分析的能力。具体的,算法首先结合实体识别方法与问题类型识别方法进行初步路径筛选,然后利用路径排序算法生成最优查询路径,最终在图数据库(Neo4j)检索得到问题答案。(3)本文将基于语义解析的医疗智能问答算法融入医疗智能问答系统的设计方案,结合HTML、j Query等前端技术,在Web端进行系统实现。为提高智能问答系统的专业性,系统使用以及Open KG新冠知识专题数据作为问答系统知识库,经测试,系统性能稳定,交互性良好,能够满足人们日常医疗相关问题的查询需求。