問題回答系統(tǒng)中的問題分類研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，計算機可讀的文本信息也越來越多。人們期望迅速、準(zhǔn)確獲取信息的需求對信息檢索在查詢處理和答案處理兩個方面提出了新的挑戰(zhàn)。問題回答作為自然語言處理領(lǐng)域中的一個相當(dāng)活躍的分支，所研究的內(nèi)容就是理解用戶用自然語言提出的需求，進(jìn)而在大規(guī)模的信息中自動地給出滿足用戶特定需求的準(zhǔn)確答案。 問題分類作為一個新的研究領(lǐng)域和問題回答系統(tǒng)的研究是相輔相成的，是問題回答系統(tǒng)的一個重要模塊。問題回答系統(tǒng)的首要任務(wù)就是需要理解用戶的需求。

2、對系統(tǒng)而言，為了能夠正確地回答問題，知道一個問題尋找什么樣的答案是非常重要的。問題分類為問題回答系統(tǒng)理解“用戶尋找什么”提供了重要信息和解決方案。 本文就問題回答系統(tǒng)中問題分類的研究，在以下幾方面提出了新的見解和看法： 首先，在使用向量空間模型來表示問題方面，增加以概念、依存關(guān)系等語言知識作為向量空間模型的特征項，并研究了特征抽取在問題分類中的作用。提出了使用X<'2>統(tǒng)計量選擇概念特征、減少歧義的方法和在規(guī)則分類中使用

3、更一般化的上位概念作為特征項的方法。通過使用語言知識表示問題，可提高6％的分類精度。 其次，在分類方法上，對人工規(guī)則、機器學(xué)習(xí)規(guī)則、統(tǒng)計方法等多種方法進(jìn)行分析和比較，研究了支持向量機方法，以及表決方法、Adaboost、ANN、TBL 等不同分類器集成方式對問題分類精度的影響。將TBL，方法應(yīng)用到分類器集成中，與目前最好的問題分類結(jié)果相比，問題分類精度提高了 1.6％。 最后，建立了適用的問題分類體系并對此體系進(jìn)行了評價