基于常见问题库的多搜索引擎自动问答系统

与传统的搜索引擎相比,自动问答系统支持自然语言提问,返回给用户一个简短而准确的答案,是自然语言处理领域的一个研究热点。文中介绍了一种基于常见问题库的多搜索引擎自动问答系统,它利用常见问题库和两大搜索引擎,快速准确地回答用户的问题,更加智能化地满足用户的检索需求。     

基于常见问题库的多搜索引擎自动问答系统

与传统的搜索引擎相比，自动问答系统支持自然语言提问，返回给用户一个简短而准确的答案，是自然语言处理领域的一个研究热点。文中介绍了一种基于常见问题库的多搜索引擎自动问答系统，它利用常见问题库和两大搜索引擎，快速准确地回答用户的问题，更加智能化地满足用户的检索需求。     

基于互联网的中文问答系统

搜索引擎(如Google等)返回的是与用户查询相关的文档集，并不是所提出的问题的答案。该文提出了一个基于互联网的中文问答系统，用来增强已有的搜索引擎的功能，使它们能够支持自然语言的回答。     

基于网络的中文问答系统及信息抽取算法研究

问答系统(Question Answering System)能用准确、简洁的答案回答用户用自然语言提出的问题。目前多数问答系统利用大规模文本作为抽取答案的知识库,而网络上丰富的资源为问答系统提供了另外一种良好的知识来源,对于回答简短、基于事实的问题非常有效。本文对基于网络的问答系统研究现状作了简要的介绍,分析了网络信息的特点。我们提出了一种基于语句相似度计算的答案抽取方法,在此基础上实现了一个基于网络的中文问答系统。该系统只利用网络搜索引擎返回结果中的摘要部分作为答案抽取的资源,从而节省了下载、分析网络源文本的时间。实验结果表明该系统对人名、数量及时间类型的问题效果显著,对测试问题集的MRR值达到0.51。     

基于领域知识的问答对自动提取方法

问答系统旨在用准确、简洁的答案回答用户用自然语言提出的问题。以旅游信息服务为应用背景,提出了基于领域知识的问答对自动提取方法。考察了常见旅游问题,建立了领域知识,在此基础上,设计了用户问题模式匹配算法和答案提取算法,对于不能匹配模式的问题,采用句子相似度计算得到相关的答案。实验结果表明,提出的方法是可行的,实现了旅游问题的自动问答。     

教务门户网自动问答系统的设计与实现

教务门户信息的查询等操作存在交互性差的问题,利用搜索引擎又不能有效解决这个问题,基于聊天机器人的自动问答系统(Automatic Question Answering System,QA)在人机交互上的优势及其自主性的问答机制有助于解决用户在教务门户网站交互性差的问题。通过对教务门户网的用户需求分析和信息操作分类,构建底层数据结构以文档形式储存;对自动问答系统核心的三个模块:问题分析、信息检索和答案抽取作了深入的分析和设计,给出了实现的方法,最后通过实际测试验证了系统的可行性和互操作性。     

基于语义链的检索在QA系统中的应用

自动问答系统以自然语言提出问题,并采用自然语言处理技术自动地将答案返回给用户。利用WordNet构 建语义链,并将语义链用于问答系统。在面向Web的问答系统中,采用两种不同的计算文本相似度的方法对Google 返回的Snippets按照相似度进行排序,对返回的第一个和前十个Snippets中包含答案片段的情况进行分析,与不使用 语义链时的情况相比,使包含答案片段的准确率分别提高了150%和66. 12 0 0。对实验结果进行了显著性检验,在显 著性水准a=0. 05的条件下,得到p=0. 000078,使系统的准确率得到显著提高。     

基于PHP的紫金问答系统的设计与实现

问答系统是采用Web2.0技术制作出来的更加注重用户“互动” 的应用系统。用户不再像以前一样被动的接收信息，而是成为可以根据自己本身的需要跟网站进行信息传递的交流者。本文使用PHP语言实现了基于B/S模式的紫金问答系统。用户可根据自身的需求发布问题、回答问题、检索答案等。     

浅层语义分析及SPARQL在问答系统中的应用

为了解决受限域问答系统中答案抽取的问题,提出了一种基于浅层语义分析的问答系统模型。该模型以自然语言为接口,利用医院信息本体,采用浅层语义分析技术,由语义块定义规则和语义块判定规则,首先生成问句向量,然后利用SPARQL查询技术,在本体中进行查询,从而得到答案。实验表明该方法可行,对自动问答系统的设计具有借鉴意义和深入研究的价值。     

基于关键词距离的中文问答系统研究

阐述的中文问答系统是以网络信息为支撑,结合传统问答系统的思想和网络信息资源的特点,采取切实有效的方法,来回答用户用自然语言形式提出的问题.系统的核心部分是依据关键词距离算法进行答案抽取,该算法是在总结大规模网络摘要及中文问句特点的基础上得出的,从最后实验结果看该系统效果显著,对测试问句集的MRR值达到了0.56.     

问题分类的计算模型研究

问题分类是问答系统技术处理的基础与核心，它决定答案抽取的范围和方法，进而影响整个系统的性能。本文提出了一个基于贝叶斯理论的问题分类计算模型，并给出其详细算法。研究分析了问句内部结构与问题类型之间的关系，将基于疑问词的2-gram组合和问句特征项同义近义扩展应用到具体计算中。实验表明，效果较为理想。     

A weighted string pattern matching-based passage ranking algorithm for video question answering

Video question answering aims to pinpoint answers in response to user’s specified questions. However, most question answering technologies involve in integrating rich specific external knowledge such as syntactic parsers, which are often unavailable for many languages. In this paper, we present a new string pattern matching-based passage ranking algorithm for extending traditional text Q/A toward videoQ/A. Users interact with our videoQ/A system through natural language questions whereas our system returns three sentence-length passages with corresponding video clips as answers. We collect 45 GB Discovery videos and 253 Chinese questions for evaluation. The experimental results showed that our method outperformed six top-performed ranking models. It is 7.39% better than the second best method (language model-based) in relatively MRR score and 6.12% in precision rate. Besides, we also show that the use of a trained Chinese word segmentation tool did decrease the overall videoQ/A performance where most ranking algorithms dropped at least 10% in relatively MRR, precision, and answer pattern recall rates.     

Question answering using statistical language modelling

In this paper we present a statistical approach to question answering (QA). Our motivation is to build robust systems for many languages without the need for highly tuned linguistic modules. Consequently, word tokens and web data are used extensively but neither explicit linguistic knowledge nor annotated data is incorporated. A mathematical model for answer retrieval and answer classification is derived. Experiments are conducted by searching for answers in the AQUAINT corpus, as well as in web data. The redundancy inherent in web data outperforms retrieval from a fixed corpus, where there are typically relatively few answer occurrences for any given question. We participated with an implementation of this framework in the TREC 2006 QA evaluations, where we ranked 9th among 27 participants on the factoid task.     

依赖关系三元组匹配在问题回答中的应用

描述了一种新的计算问题与支持答案句相似度的方法, 即基于依赖关系三元组匹配的方法. 该方法引入了问题中的疑问性和非疑问性部分的信息, 采用了启发式规则扩展问题的依赖关系三元组, 从而匹配变形的答案句. 同时把问题与支持答案句的相似度作为新的特征, 应用于开放领域的问题回答(Question answering, QA)任务中的答案排序. 实验结果表明, 引入新特征的答案排序方法与通常的基于密度的方法相比, 在相对精度指标上提高了8.2%, 在平均排序倒数(Mean reciprocal rank, MRR)评价上提高了8%.     

基于疑问句句型识别的问题理解研究

问题理解是问答系统中的一个关键步骤.问题理解的过程包括疑问词分类、问句分词及词性标注、疑问句句型识别、问题分类及问题中心的识别等.提出了对疑问句句型的识别方法,即通过对疑问句的短语句法树的分析,得到疑问句的句型结构,通过计算句型结构与句型模式之间的相似度来识别句子的句型.结合疑问句的语法分析,通过识别疑问句的句型实现了问题理解.实验结果表明,该方法提高了问题理解的准确度.     

基于FAQ的OTC问答系统的设计与实现

设计并实现了一个基于FAQ(Frequently Asked Question)的OTC(Over The Counter)问答系统。描述了该系统的工作流程、系统结构;详细阐述了系统实现的关键技术,包括基于倒排索引的查找算法、根据用户问题建立候选问题集和基于知网的语义相似度计算方法等。运行结果表明,对于常问问题和普遍性的问题,系统有很高的准确率。     

查询扩展在开放领域问答系统中的应用

文档检索是问答式检索系统的重要组成部分,它提供了整个系统进行答案抽取等后续处理的基础.查询扩展是一种能有效地改进文档检索性能的常用方法.FDUQA在检索模块中结合自然语言处理技术,引入了查询扩展功能.实验证明,通过在开放领域问答系统的检索模块中加入查询扩展,文档检索的首位正确率提高了11.6%,返回文档集的整体质量有了明显的提高,提高了系统的整体性能.     

Answering Count Questions with Structured Answers from Text

In this work we address the challenging case of answering count queries in web search, such as number of songs by John Lennon. Prior methods merely answer these with a single, and sometimes puzzling number or return a ranked list of text snippets with different numbers. This paper proposes a methodology for answering count queries with inference, contextualization and explanatory evidence. Unlike previous systems, our method infers final answers from multiple observations, supports semantic qualifiers for the counts, and provides evidence by enumerating representative instances. Experiments with a wide variety of queries, including existing benchmark show the benefits of our method, and the influence of specific parameter settings. Our code, data and an interactive system demonstration are publicly available at https://github.com/ghoshs/CoQEx and https://nlcounqer.mpi-inf.mpg.de/.     

自动问答系统中的问题理解研究

问题理解是问答系统的首要的分析工作,分析的结果对后面的处理,以至找到问题的正确答案都有很大的影响。本文将对常规的问题理解方法进行改进,从而使系统能够较准确地回答用户的提问。实验证明新的方法对提高系统性能有显著作用,尤其针对性强、意思表述清晰的提问,回答准确率有很大提高。