2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩120頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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、當(dāng)前的信息檢索系統(tǒng)基于關(guān)鍵詞進(jìn)行查詢,忽略了語義的多樣性和語言結(jié)構(gòu)分析。問答系統(tǒng)允許用戶使用自然語言問句進(jìn)行信息查詢,不僅符合人們的習(xí)慣,而且能夠更加精確地描述用戶的信息需求;系統(tǒng)直接返回確切答案或者蘊(yùn)含答案的文本片段,提高了用戶信息查詢的效率。因此,問答系統(tǒng)是信息檢索技術(shù)向人性化、智能化方向發(fā)展的必然趨勢(shì)。問句分析就是對(duì)問句的理解,是問答系統(tǒng)的核心技術(shù)。正確地理解問句是問題求解的前提條件,只有正確理解問句才能找到正確的答案。以往的問答

2、系統(tǒng)的主要研究對(duì)象是事實(shí)類問句,針對(duì)這類問句的分析技術(shù)已經(jīng)比較完善。但面向非事實(shí)類復(fù)雜問句的分析研究才剛剛開始?;ヂ?lián)網(wǎng)上存在大量的非事實(shí)類問答資源,這些問答資源廣泛存在于各大基于網(wǎng)絡(luò)社區(qū)的問答系統(tǒng)(Community Question Answering system, CQA)中。在CQA中,用戶通過“人問人答”的方式進(jìn)行信息交流和知識(shí)積累。CQA能夠解決一些需要專業(yè)知識(shí)甚至復(fù)雜推理的問題,在一定程度上彌補(bǔ)了自動(dòng)問答系統(tǒng)和搜索引擎的不

3、足。這類系統(tǒng)發(fā)展非常迅速,已經(jīng)在互聯(lián)網(wǎng)上形成了海量的問答資源。這些資源多數(shù)屬于非常復(fù)雜的非事實(shí)類問句。對(duì)這些問答資源進(jìn)行分析和重復(fù)利用也需要新的問句分析技術(shù)和手段。本文重點(diǎn)研究了問句尤其是非事實(shí)類問句的分析技術(shù),旨在解決非事實(shí)類復(fù)雜問句的分析及求解。研究?jī)?nèi)容主要包括以下幾個(gè)部分:
  第一,對(duì)問句預(yù)處理問題展開研究,提出了一種粗糙集與最大熵相結(jié)合的模型,用于解決問句中并列結(jié)構(gòu)的識(shí)別問題。該模型使用粗糙集對(duì)特征屬性進(jìn)行約減,然后將約

4、減后生成的決策規(guī)則轉(zhuǎn)化為組合特征與原有特征一起作為輸入提供給最大熵模型。實(shí)驗(yàn)表明,使用組合特征后,并列結(jié)構(gòu)的識(shí)別準(zhǔn)確率和召回率都有提高。另外,還研究了問句的句法分析,提出了一種基于詞知識(shí)的依存句法分析方法(Knowledge based Probabilistic Dependency Parsing, KPDP)。該算法的有效性在中文和英文兩個(gè)語料庫(kù)上得到了驗(yàn)證,在此基礎(chǔ)上將該方法應(yīng)用于問句句法分析,取得了較好的效果。
  (Q

5、uestion Information Chunk Annotation,QICA)分析方法。該方法依據(jù)語義將問句中的信息分為五類,從而將問句從字符空間影射到一個(gè)結(jié)構(gòu)化的語義空間,更易于問句的理解和表示。將QICA轉(zhuǎn)化為一個(gè)序列化標(biāo)注問題,并同時(shí)使用最大熵模型、最大熵馬爾可夫模型、條件隨機(jī)場(chǎng)模型以及大間隔馬爾可夫模型進(jìn)行了標(biāo)注實(shí)驗(yàn),其中大間隔馬爾可夫模型取得了最好的標(biāo)注效果。第三,對(duì)問句分類問題展開研究,針對(duì)非事實(shí)類問句無法按照答案類型

6、設(shè)計(jì)問句分類體系的問題,設(shè)計(jì)了一個(gè)粗粒度的問句分類體系。應(yīng)用多分類的思想實(shí)現(xiàn)了相應(yīng)的復(fù)雜問句多分類,即一個(gè)問句可以同時(shí)屬于多個(gè)分類,問句的分類結(jié)果是一個(gè)問句類別集合。最后提出了兩步解決方法:第一步,判斷一個(gè)問句是否屬于某一個(gè)問句分類,第二步,合并這些分類的結(jié)果,最終給出問句的分類集合。第四,對(duì)海量問句的檢索問題展開研究,使用搜索引擎的倒排索引技術(shù)并擴(kuò)展了傳統(tǒng)的VSM(Vector Space Model)模型,設(shè)計(jì)了一個(gè)基于語義的S-V

7、SM (Semantic Vector Space Model)模型。利用QICA分析結(jié)果和問句分類結(jié)果,S-VSM實(shí)現(xiàn)了在檢索過程中問句間語義相似度的計(jì)算。實(shí)驗(yàn)表明S-VSM較VSM具有明顯的優(yōu)勢(shì)。最后,將本文研究的問句分析技術(shù)應(yīng)用到實(shí)踐,實(shí)現(xiàn)了一個(gè)面向金融領(lǐng)域的問答系統(tǒng)。該系統(tǒng)包含三個(gè)子系統(tǒng):(1)數(shù)據(jù)采集子系統(tǒng),完成問答語料庫(kù)的構(gòu)建;(2)在線問答子系統(tǒng),為互聯(lián)網(wǎng)上的用戶提供知識(shí)交流平臺(tái);(3)問句檢索子系統(tǒng),通過檢索問答數(shù)據(jù)庫(kù)完

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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。

評(píng)論

0/150

提交評(píng)論