1. 毕业设计（论文）的内容和要求
知识库问答系统(Knowledge Base Question Answering System) 能用准确、简洁的答案回答用户用自然语言提出的问题。
目前多数问答系统利用大规模文本作为抽取答案的知识库 ,而网络上丰富的资源为问答系统提供了另外一种良好的知识来源 ,对于回答简短、基于事实的问题非常有效。
知识库问答系统的目标是根据一个自然语言问题产生一个相关的回答，其由于要求一个高水平的问题理解所以十分具有挑战性。
2. 参考文献
[1] Zed Shaw Learn Python 3 the Hard Way 1st Edition. America :Addison-Wesley Professional，2017.7[2] Ian Goodfellow.深度学习第一版[M]. 北京：人民邮电出版社，2017.8[3] Liu A., Huang Z., Lu H., Wang X., Yuan C. (2019) BB-KBQA: BERT-Based Knowledge Base Question Answering. In: Sun M., Huang X., Ji H., Liu Z., Liu Y. (eds) Chinese Computational Linguistics. CCL 2019. Lecture Notes in Computer Science, vol 11856. Springer, Cham[4] Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova BERT: Pre-training of Deep Bidirectional Transformers for Language UnderstandingarXiv:1810.04805 [cs.CL][5] 李航 .统计学习方法第1版. 北京：清华大学出版社，2012.3[6] 周志华. 机器学习第一版 北京: 清华大学出版社, 2016.1[7] 黄文坚. TensorFlow实战第1版. 电子工业出版社[8] Zhenzhong Lan Mingda Chen . ALBERT: A LITE BERT FOR SELF-SUPERVISEDLEARNING OF LANGUAGE REPRESENTATIONS[9] 斋藤康毅. 深度学习入门：基于Python的理论与实现[M]. 北京: 人民邮电出版社，2018.7[10] 唐聃. 自然语言处理[M]. 北京: 电子工业出版社，2018.7
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
