面向自動(dòng)問(wèn)答的短問(wèn)題分類(lèi)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩71頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

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)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論