面向自動(dòng)問(wèn)答的短問(wèn)題分類(lèi)研究.pdf

1、隨著科技的飛速前進(jìn)，互聯(lián)網(wǎng)的不斷發(fā)展，信息不斷的增長(zhǎng)，如何從海量信息中快速準(zhǔn)確地獲取有用信息逐漸演變成一個(gè)愈發(fā)重要的課題。自動(dòng)問(wèn)答系統(tǒng)作為一種特殊的搜索引擎，重新回到了學(xué)者們研究的視線，它有別于傳統(tǒng)的搜索引擎，能夠理解用戶以口語(yǔ)化表達(dá)的問(wèn)題，并從后臺(tái)知識(shí)庫(kù)中直接返回正確答案。自動(dòng)問(wèn)答系統(tǒng)主要分為問(wèn)題分類(lèi)、問(wèn)題理解、答案的抽取和消岐等步驟，其中問(wèn)題分類(lèi)占據(jù)著關(guān)鍵步驟中的首要位置，它可以為問(wèn)題理解、答案的選取等后續(xù)步驟提供語(yǔ)義限制和約束。<

2、br>　　從信息論角度來(lái)說(shuō)，數(shù)據(jù)所包含的信息是可以被量化的，如果信息的增多使得該事件不確定性減少，則增加的信息是與該事件相關(guān)的;反之，信息的增多沒(méi)有使得該事件的不確定性減少，則增加的信息與該事件是不相關(guān)的。問(wèn)題分類(lèi)一般都是借助文本分類(lèi)的思想，但與一個(gè)文本相比，一個(gè)問(wèn)句（短文本）所包含的信息相對(duì)較少，需要對(duì)問(wèn)句中僅有的信息進(jìn)行分析從而確定其類(lèi)別，因此，對(duì)于問(wèn)題分類(lèi)來(lái)說(shuō)，存在著諸多挑戰(zhàn)，主要有:用于問(wèn)題所構(gòu)建的特征向量空間模型維數(shù)過(guò)大，且特

3、征向量相關(guān)性較小;問(wèn)題相對(duì)短小，形成的特征向量空間也過(guò)于稀疏。
　　為了克服上述兩個(gè)難題，本文著眼于詞語(yǔ)的語(yǔ)義，構(gòu)造了具有語(yǔ)義支持能力的知識(shí)庫(kù)，并將深度學(xué)習(xí)運(yùn)用到向量的特征學(xué)習(xí)中，實(shí)現(xiàn)了一種基于語(yǔ)義信息的特征學(xué)習(xí)和基于語(yǔ)義信息的問(wèn)題分類(lèi)方法。具體研究如下:
　　(1)利用百度百科信息和互信息理論計(jì)算詞語(yǔ)語(yǔ)義相關(guān)度。該方法將百度百科詞條與其詞條標(biāo)簽作為圖中節(jié)點(diǎn)，根據(jù)它們之間存在的鏈接關(guān)系對(duì)其進(jìn)行詞條聚合，然后利用互信息計(jì)算百科

4、詞條語(yǔ)義相關(guān)度，再選擇相關(guān)度值較大的作為與其相關(guān)的詞條。
　　(2)分析了常用的文本特征選擇方法，并實(shí)現(xiàn)了獲取特定文本語(yǔ)料中語(yǔ)義類(lèi)別知識(shí)庫(kù)的方法，然后利用構(gòu)建好的語(yǔ)義相關(guān)度知識(shí)庫(kù)對(duì)問(wèn)句中的詞語(yǔ)進(jìn)行語(yǔ)義擴(kuò)展;以及利用語(yǔ)義類(lèi)別知識(shí)庫(kù)對(duì)問(wèn)句中的詞語(yǔ)進(jìn)行語(yǔ)義泛化，為后續(xù)的分類(lèi)做好準(zhǔn)備。
　　(3)利用深度學(xué)習(xí)對(duì)短問(wèn)句進(jìn)行特征學(xué)習(xí)。由于以詞語(yǔ)作為特征維數(shù)高，因此首先需要對(duì)其進(jìn)行語(yǔ)義擴(kuò)展初步減少特征向量空間的維度，再進(jìn)行語(yǔ)義泛化再次降低

5、維度，使得詞語(yǔ)的維度小于5000，接著利用深度學(xué)習(xí)對(duì)其特征進(jìn)行學(xué)習(xí)和分類(lèi)。
　　(4)實(shí)現(xiàn)了基于語(yǔ)義信息的問(wèn)題分類(lèi)方法，分別對(duì)不同特征選擇方法、語(yǔ)義擴(kuò)展、語(yǔ)義泛化的結(jié)果利用不同的分類(lèi)算法進(jìn)行實(shí)驗(yàn)對(duì)比。最終找到適合本實(shí)驗(yàn)數(shù)據(jù)的分類(lèi)方法與流程。
　　為了驗(yàn)證本文方法的有效性，以數(shù)據(jù)堂手機(jī)語(yǔ)音助手實(shí)網(wǎng)數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)集。實(shí)驗(yàn)表明，本文構(gòu)建的語(yǔ)義知識(shí)庫(kù)能提供語(yǔ)義支持，且基于語(yǔ)義信息的問(wèn)題分類(lèi)方法解決了特征向量空間維數(shù)高、相關(guān)性小、數(shù)