近日，我校会计学院教师陈平在外文期刊《computational intelligence and neuroscience》发表题为“intelligent question answering system by deep convolutionalneural network in finance and economics teaching”的论文。该期刊被scie和ei同时收录，为jcr-q1区期刊。陈平老师为本文的第一作者，广州华商学院署名为第一成果单位。这是会计学院博士课程班学员取得的代表性阶段性成果，是2018年广州华商学院校级学术类科研项目“管理会计信息系统构建研究”（项目编号：2018hsxs01）的阶段性成果。
深度学习的快速发展，拓展了自然语言处理技术的应用。教育相关领域，问答(q&a)系统颇受各大企业及高校的追捧青睐，并投入了大量的精力和资源进行研发。q&a系统根据所涉及的领域分为两类。一是基于任务的q&a，另一个是开放的q&a。 开放q&a应用广泛；基于任务q&a系统聚焦于特定领域，如旅游、助理、天气预报、商场客服机器人等。基于对现有的问答系统和聊天机器人存在一定的不足。本研究通过对传统教学方法中的问答环节进行分析，优化现有问答机的缺点和不足，结合深度学习算法中的lstm神经网络和cnn，建立q&a的神经网络模型，并引入gru进行优化，将注意机制和深度学习技术应用于财经教学领域，提出了通过注意机制优化的lstm-cnn智能问答。推荐算法与传统q&a模型算法的对比测试结果表明，lstm-cnn算法保持了lstm算法按时间顺序排列信息的能力。通过结合cnn算法，可以更深入地提取句子的语言特征，更准确地从句子中捕获语义特征信息，在处理更复杂的句子时能够保持更好的性能。同时，结合banet的引入，可以获取过去和未来信息，使算法能够更恰当地结合上下文语境检索语义特征，使模型的有效性得到了很大的提升。解决了财经学生在日常学习中使用问答机回答问题时的困难和需求。提高优化了财经类教学问答的效果，为相关领域的研究提供了参考。
供稿：会计学院/陈少群