答疑系統(tǒng)中的分類問題研究.pdf

1、智能答疑系統(tǒng)綜合運(yùn)用了自然語言處理，信息檢索等技術(shù)，能夠?qū)W(xué)生以自然語言描述的問題，自動(dòng)給與答案，在遠(yuǎn)程教育中有著非常重要的作用。在答疑系統(tǒng)中為了能夠快速匹配問題，可以建立適當(dāng)?shù)姆诸惡退饕龣C(jī)制。本文主要針對(duì)答疑系統(tǒng)中的問題與資源的分類，采用了支持向量機(jī)模型與最大熵模型分別來實(shí)現(xiàn)相關(guān)功能。主要研究?jī)?nèi)容如下： 1.介紹了分類的理論基礎(chǔ)，討論文本表示過程的關(guān)鍵技術(shù)：中文分詞與特征詞選取，權(quán)重計(jì)算，以及模型的數(shù)學(xué)理論基礎(chǔ)和參數(shù)選擇算法。

2、 2.在資源的預(yù)處理過程中，通過一系列開源軟件去除掉常見文檔的格式來得到文本的內(nèi)容，在中文分詞時(shí)，給出并使用了一個(gè)全切分中文分詞方法。 3.利用有向無環(huán)圖結(jié)構(gòu)實(shí)現(xiàn)了多分類支持向量機(jī)，使用序列最小化算法訓(xùn)練得到模型的參數(shù)，接著比較分析了支持向量機(jī)在使用不同特征選擇算法，以及不同核函數(shù)時(shí)的分類性能。 4.在最大熵模型實(shí)現(xiàn)的分類系統(tǒng)中，使用CGGIS算法作為參數(shù)訓(xùn)練算法，選取1、詞頻和log(詞頻)分別作為特征函數(shù)值，