论文导读：为达到资源共享，不断提高教学质量，2003年，教育部下发了《关于启动高等学校教学质量与教学改革工程精品课程建设工作的通知》（教高[2003]l号），计划用5年时间，建设1500门国家精品课程。鉴于以上情况，笔者研究并设计了一个支持自然语言提问的智能答疑系统。最后再考虑使用智能答疑部分，用自然语言提出问题，经过一系列的处理再返回答案。本文的创新之处在于能够结合自然语言分析技术、数据挖掘技术和全文检索等先进技术来设计系统，使系统的智能性得到真实的体现。

　　关键词：精品课程，智能答疑，全文检索技术，数据挖掘技术，自然语言为达到资源共享，不断提高教学质量，2003年，教育部下发了《关于启动高等学校教学质量与教学改革工程精品课程建设工作的通知》（教高[2003]l号），计划用5年时间，建设1500门国家精品课程。在这一思想的指导下，我校从2003年开始至今，已建立了7门省级精品课程，2门国家级精品课程。免费论文网。但这些精品课程中，存在一个共同问题，即没有智能型的答疑系统。精品课程突破了时间、空间的限制，可以利用丰富的网络教学资源，为学生自主学习提供各种条件，但由于老师和学生在地理位置上的分离，当老师不能面对面对学生进行解释和演绎时，及时完整准确的答疑和帮助便成了必不可少的内容。有些精品课程也设计了答疑模块，但都是基于BBS在线答疑、电子邮件答疑和聊天室答疑，这些答疑模块或者要求老师和学生必须同时在线，或者存在提问和回答的时间延误，都具有一定的局限性。智能型答疑系统能够及时解答学生的疑难问题，是师生交流、教师获得学生反馈和衡量精品课程使用效果的一个重要配套系统。鉴于以上情况，笔者研究并设计了一个支持自然语言提问的智能答疑系统。

　　1智能答疑系统设计1.1 体系结构设计本文提出的智能答疑系统是针对《计算机辅助教育》精品课程而设计的，采有三层B／S体系结构进行开发。将应用分成学生界面层、逻辑层和数据库层。学生界面层负责处理学生的输人和向学生的输出。逻辑层是上下两层的纽带，I 动态链接库的形式存在并注册到服务器的注册簿中，建立实际的数据库连接，根据学生的请求生成SQL语句检索或更新数据库，把结果返回给客户端。免费论文网。数据库层负责实际的数据存储和检索。体系结构如图1所示：

　　图1 体系结构图1.2 系统功能模型设计目前，国内许多答疑系统的功能比较简单，系统的智能性不够，只能提供一些简单文本搜索，并且答疑的手段和方式比较单一，没能很好地结合当前先进的一些手段和技术。因此在分析和研究目前各种答疑系统的基础之上，结合当前比较先进的技术和手段，提出了一个比较全面的网络课程的智能答疑系统模型，如图2所示：该系统模型综合了目前用得比较多的答疑和交流方式，设计比较全面。学生若有问题，可以首先选择FAQ区域，判断是否属于常见问题，否则，可以用基于关键词的问题查找，此方式速度较快，使用得较多；最后再考虑使用智能答疑部分，用自然语言提出问题，经过一系列的处理再返回答案。

　　图2 网络课程智能答疑系统模型若学科知识库中答案不存在，则系统自动转向专家 处理而得到。解答，专家反馈答案时，把相关问题和答案增加到I.3系统主要功能模块学科知识库，以备将来查找。此外，专家也可把该 在分析设计的系统模型基础上，系统的主要功问题转发到讨论区中，让相关的其它学生看到该问能模块划分如图3所示：

　　图3 系统主要功能模块1.3.1 登录模块登录模块主要对学生进行权限验证，只有合法的学生（比如该门课程的主讲教师） 才能进入系统， 教师必须事先跟系统管理员联系，获取自己的帐号、密码和相关课程信息后，才能登录系统。在成功登录系统之后，可以选择课程的问题进行回答和管理等操作。

　　1.3.2 FAQ模块FAQ模块主要存储比较常见的问题，学生登录系统后可以浏览FAQ模块的内容，这可以加快对课程的普遍问题的解答速度。

　　1.3.3 学科知识库模块学科知识库模块主要存储《冲压模具设计》这门课程的知识。即主要存储课程内容的重点与难点。

　　1.3.4 基于关键词模块当在FAQ模块中找不到自己问题的解答时，可以进入基于关键词模块，输入关键词进行查询，通过匹配算法搜索到相关的问题与解答，返回给学生。

　　1.3.5 智能答疑模块学生通过自然语言提问，进人智能答疑模块，这是一个智能适应性的知识库系统，该系统将自动检索专家答疑的历史记录，若专家回答过类似问92题，则系统自动应答。因此这需要涉及到一些算法和关键技术，主要采用基于自然语言的智能答疑引擎，对相关的问题进行相关度计算，将最匹配的问题返回给学生。另外，如果没有寻找到匹配的问题，则该问题自动提交给专家答疑。

　　1.3.6 人工答疑模块当在FAQ和智能答疑中都不能找到答案时，系统将自动将问题反馈提交给人工答疑，由相应教师和学科专家对学生的问题作详细的解答，然后把答案再返回给提问者，同时对该问题的解答将自动进入知识库系统，供以后的答疑使用。

　　1.3.7 问题管理模块教师和管理员需要定期对学科知识库系统进行管理，对相关问题进行添加、修改、删除等。免费论文网。同时把一些普遍性的问题放人FAQ模块中，便于学生快速查找。

　　1.3.8 系统管理模块主要对系统的合法学生（教师、专家）和相关课程进行添加、删除和修改等操作，同时负责对整个系统的运行和维护，系统管理模块只有系统管理员才有资格进行管理。

　　1.4 系统流程设计根据对各功能模块的分析，智能答疑系统工作流程如图4所示：

　　图4 网络课程智能答疑系统流程图1.5 知识库设计构建智能答疑知识库的主要目的是通过访问系统知识库中对同类问题的求解过程与结果而快速获得当前问题的解答。本系统将教师收集的常见问题答案对经过问题理解分析模块处理后存储在答疑库中。对于答疑知识库中的知识，采用二维关系数据库方式进行表示和存储，主要由以下几个属性来描述：

　　（1） 问题编号；（2） 问题：对问题内容的自然语言描述 ；（3） 知识单元：本系统对每一个问题都按知识单元进行划分，这里是问题的知识单元编号；（4） 专业关键词：根据系统专业关键词库，得出问题中与专业相关的、必须含有的关键词；（5） 一般关键词：问句中的非专业关键词；（6） 答案：对问题的解答；（7） 访问次数：系统自动记录该属性的值。初始时访问次数为0，以后每访问一次自动加1，体现了学生对这个问题的关注程度；（8） 删除标记：系统对答疑知识库自动更新的时候，若该记录不常被访问而需要被删除，只需添加删除标记。

　　2 系统实现的关键技术目前的答疑系统大部分还是以关键词查询，基于关键词的查询方式应用比较多，因为实现相对比较简单，但是系统的智能性不够，智能答疑要涉及到一些比较复杂的算法，比如：自然语言分析，专家系统，信息检索，数据挖掘等以及相关的关键技术，如：分词、词语权重的计算、语义的相似度计算等，下面简单介绍一下智能答疑部分的关键技术。

　　2.1 自然语言分析技术一个答疑系统能否实现智能答疑，关键是看系统能否更好地理解自然语言，因为学生是用自然语言来提问题的，所以这就涉及到中文的自动分词、词语的权重和语义的相似度计算等技术。一般而言，中文的自动分词方法主要有3种算法：基于字符串匹配的方法、基于知识的分词方法和基于统计的分词方法。因为基于字符串匹配的方法不能识别新词，基于知识的分词方法不易于实现，网络教育系统中的领域知识有相对专业性较强的特点，采取的方案是基于统计的分词方法，依据字与字相邻共现的频率或概率能够较好地反映成词的可信度来进行分词。在分词以后需要对词语进行加权和语义的相似度计算。词语的权重反映了该词语对标识文本内容的贡献度。各个词语在不同文本中的出现频率满足一定的统计规律，因此可根据词语的频率特性来计算词语的权重。而对语义的相似度计算则需要一定的语义知识资源。

　　2.2 全文检索技术全文搜索技术是一项被广泛采用的搜索技术。包括两个核心技术，一是如何建立和维护全文索引库，二是如何提供快速有效的全文检索机制。全文搜索技术最重要之处在于将原始文档中所有的基本元素的位置信息记录在索引库汉语中，可选择的基本元素可以是字，也可以是词。从而形成了两种索引库结构：基于字表的索引库和基于词表的索引库。字表法是将原始文档中每个字的位置信息记录在索引库中；而词表法则是以词为单位将其位置信息记录在索引库中。字表法和词表法各有自己的优缺点。词表法需要使用切分词典，因而适用于特定领域中内容相对固定文档的全文搜索。其优点是索引库比较小，检索速度快。缺点则是不能适应跨领域的文档处理要求，因为此时的词典将急剧膨胀，难以使用。另外歧义的消除也是比较大的问题。而字表法采用对每个字的出现位置进行统计，不需要任何词典，适用范围强。当然，采用字表法的检索精度没有采用词表法那么高。对于智能答疑系统来说，其答疑内容基本上 是针对某个学科或者专有领域的。因此，本文采取词表法来组织全文索引。在问题库中有Key words属性值中的词序列是关键词序列。将库中的关键词作为样本，在问题库的分词结果中进行匹配搜索，把相匹配的关键词作为问题库自己的关键词。索引库既要方便搜索，还要便于增加、删除和修改等维护工作的进行，因此，索引库的大小、组织形式显得非常重要。目前，考虑按照全文的章节组成一个个相对较短小的索引库。索引库是由关键词的各类词表构成的。其中，词表结构为Wordlist：（wordl，word2，word3，）， Wordlist是答案材料经索引后形成的关键词序列。词表结构如表1所示：

　　表1词表结构WordWordid词语编号Wordid词语文本Wordid词语的权值2.3 基于聚类规则数据挖掘技术聚类分析法是一种探索性的识别方法，它是在不知道应该为哪些模式类的情况下进行分类的。

　　聚类分析法是根据模式间的相似程度自动地进行分类的，聚类时的基本出发点是使类内模式问的相似度尽量大，而类间的相似度尽量小，类内的模式比不同类的模式更相似。根据聚类的特点，该系统通过对问题相似度的计算，对问题进得分类，构建分类数据库，以便扩大查询范围。

　　3 系统的实现在前面分析的基础之上，系统采用当前比较流行的网络技术，在。NET下使用c群，ASP.NET，Web Service，对该系统的主要功能模块进行了编程实现，数据库采用SQL Server2000。在系统的重复编程工作，为了加快系统的速度和保证数据的一致性，也使实现过程中，对共有的功能使用了Web Service，从而减少用存储过程和触发器。

　　4 结语智能答疑系统是网络课程的重要组成部分，要提高答疑系统的智能性，只有结合当前的先进技术，这样答疑的效率才能够得到提高。本文的创新之处在于能够结合自然语言分析技术、数据挖掘技术和全文检索等先进技术来设计系统，使系统的智能性得到真实的体现。

　　[1]柳泉波，黄荣怀，何克抗。智能答疑系统的设计与实现[J].中国远程教育，2000，（8）：4348.

　　[2]刘挺，吴岩。王开铸。串频统计和词形匹配相结合的中文自动分词系统[J].中文信息学报，1998，12（1）：17—25.

　　[3]石冰，郑燕峰。信息检索中的数据挖掘技术[ J ].情报学报，1999，18（增刊）：11—13.

　　[4]徐彩娜，徐建良。基于语义的查询重新定义及其应用[J].微计算机信息，2006，（22）：230-232.

　　[5]季永华，许华虎，沈敏，等。自动答疑系统的研究与实现[J].计算机工程与应用，2005（14）：224-226.

　　[6]赵成龙，薛欣。基于Web的智能答疑系统的设计与实现[J].计算机工程与科学，2005，（8）：3143 .