UCAS-AI

UCAS 人工智能基础课程大作业，冬奥会领域问答机器人

该问答机器人属于检索式问答系统，采用 gensim 库和 TF-IDF 模型+余弦相似度算法。关于该问答机器人的原理，可以参考 doc 目录下的实验报告。

仅作思路参考，请不要直接照抄。

目录结构

1. data
   该目录下是实验使用的数据，train_set.json是训练集，test_set.json是测试集。目录“原始数据”下是老师提供的.xlsx、.csv、.ttl等格式的数据。output.json是此测试集的测试结果。
2. doc
   该目录下是实验报告和汇报使用的实验展示PPT。
3. src
   该目录下是问答机器人的源代码。

运行方法

1. 确认data目录下有训练集train_set.json和测试集test_set.json。
2. 在src目录下运行main.py，初次运行会在data下保存多个文件。
3. 根据output.json中的结果统计正确率。

文件	说明
dictionary	gensim字典
splitdata.json	分词结果
tfidf.index	相似度序列
tfidf.index.0	相似度序列缓存文件
tfidf.model	TF-IDF模型
output.json	测试结果输出

注意事项

1. 实验使用的python版本为3.9.1 64-bit；gensim库版本为3.8.3；jieba库版本为0.42.1。
2. 第二次运行起会直接使用data目录下的文件构建模型，如果改变了训练集，请删除上方表格中的文件。
3. 输入、输出文件的格式均为json。

参考资料

1. 检索式问答机器人
2. 【gensim中文教程】开始使用gensim
3. TF-IDF算法原理及其使用详解