面向开放域问答的问题分类技术研究进展

开放域问答是当前自然语言处理和信息检索领域的研究热点,作为开放域问答系统的重要组成部分,问题分类可以缩小答案的搜索空间并决定答案的选择策略.近年来,基于机器学习的问题分类技术受到广泛的关注,相关研究表明问题分类的准确性直接影响问答系统的整体性能.本文从分类体系与数据集、特征提取、分类器设计、性能评测等层面,总结了问题分类技术近年的主要研究成果.重点分析了各种基于监督学习的问题分类方法的特点和不足,讨论了核方法、半监督学习、主动学习、迁移学习等在问题分类中的应用,同时对问题分类技术未来研究动向进行了展望.     

壮族非物质文化遗产限定域问答系统

本文对壮族非物质文化遗产的相关问题进行三个阶段的处理,分别是问句分析、信息检索和答案抽取。通过对用户问句进行分类,并构建对应的答案检索模型,从而得到准确有效的问答结果。     

网络问答资源挖掘综述

由大规模问答对组成的问答知识库对于自动问答技术的巨大支持作用是不言而喻的,从互联网获取知识并以问答对的形式加以保存是扩充和完善问答知识库的必要手段。阐述了面向互联网数据源的问答资源挖掘对于问答系统构建和自然语言处理研究的重要意义,概述了网络问答资源挖掘研究的主要任务以及面临的挑战,并通过对当前该领域的研究成果的综述分析了其中的重点研究问题。     

标准化服务智能问答系统研究

为了解决传统标准化服务中数据分散、知识提炼不足且未被利用的问题,提出构建标准化服务智能问答系统的框架及数据集构建、答案抽取、融合排序等关键技术,并展示其应用效果,从而达到为用户提供个性化、精准化、智能化的人机交互服务的目的。     

基于问题库的自动问答智能控制系统研究

自动问答技术是自然语言处理领域中一个非常热门的研究方向。文章首先介绍了国内外关于自动问答的技术研究背景和现状,然后针对本自动问答系统的主要构成进行了分析和研究,最后还介绍了自动问答系统的评价问题。     

基于句法分析和答案分类的中文问答系统

本文根据疑问词和谓语的距离信息对问句进行细致的句型分析,然后对答句进行浅层句法分析,在此基础上,抽取出问题特征集、答句特征集和组合特征集作为分类特征,引入最大熵模型和支持向量机训练答案抽取分类器.基于不同特征组合训练得到的分类器在五类事实性问题上进行了测试,其F值分别达到70.87%和85.75%.     

面向大规模社区问答数据的问题检索方法

随着问答社区网站的兴起,越来越多的用户生成数据积累了起来。这些用户生成数据不仅具有海量的、多样性的等特点,还有着极高的质量和重用价值。为了高效地管理和利用这些数据,近年来研究人员基于这些数据进行了大量的研究和实践,而社区问答中的问题检索就是一个被广泛研究的课题。主要研究了面向大规模社区问答数据的问题检索方法。收集来自Yahoo!Answers等社区网站的超过1．3亿问题和10亿答案的大规模数据,与之前的基于百万量级的数据的问答社区相关研究工作相比有着明显的不同和极高的实用价值。在此数据的基础上,通过查询自动分类方法来提高每次查询效率和效果。在问题检索过程中,提出了应用查询问句和问题的结构信息和语义信息,结合排序学习算法来融合多种不同类别的特征的方法,通过应用训练数据生成排序模型来提高问题检索的相关性和词语不匹配等问题。实验表明,本文应用RankingSVM方法来训练的排序模型在不同数据集上,其准确率等评价指标上都相比以往的方法有着显著的提高。     

基于模式学习的形式化答案抽取技术与置信度评价方法

本文提出一种基于模式学习的形式化答案抽取方法,区别于传统基于特征的答案抽取方法,通过问题模式和答案模式的自动匹配,直接获取问题答案。本文通过机器学习的方法自动生成用于答案抽取的形式化模板,克服了人工方法费时、费力以及覆盖率低等问题。本文创造性地采用逻辑回归的方法对所学习到的模式进行置信度评价。对比实验表明,本文的方法取得了比较好的答案抽取效果。本文方法实际应用于国际TREC QA评测,评测结果证明本文的方法与传统基于特征的答案抽取方法具有很好的互补性。     

面向健康问答社区的语义检索技术研究与分析

本文以Axiomatic检索模型为基础,利用Word2Vec在健康问答数据集上训练出的词向量来衡量词语语义相似度,来实现对问答数据的语义检索。此外,实验对比了不同的词义相似度计算方法在不同数据集下的检索效果,并分析了使用外部词典作为词义相似度计算方法时存在不足的原因,结果表明本文的检索方法能够有效地提升检索准确率。     

图像与问题双引导注意力机制视觉问答算法

针对视觉问答任务中问题特征与图像特征缺乏交互推理关系的问题,提出了图像与问题双引导注意力机制视觉问答算法.模型结构主要由问题特征注意力模块、图像特征注意力模块、问题与图像双引导注意力模块、特征融合模块4部分构成.该算法先针对问题特征和图像特征分别使用自我注意力机制实现特征的自我加强,然后引入图像与问题双引导注意力机制,...     

Enhancing Performance with a Learnable Strategy for Multiple Question Answering Modules

A question answering (QA) system can be built using multiple QA modules that can individually serve as a QA system in and of themselves. This paper proposes a learnable, strategy‐driven QA model that aims at enhancing both efficiency and effectiveness. A strategy is learned using a learning‐based classification algorithm that determines the sequence of QA modules to be invoked and decides when to stop invoking additional modules. The learned strategy invokes the most suitable QA module for a given question and attempts to verify the answer by consulting other modules until the level of confidence reaches a threshold. In our experiments, our strategy learning approach obtained improvement over a simple routing approach by 10.5% in effectiveness and 27.2% in efficiency.     

一种新的复合核函数及在问句检索中的应用

问句检索在问答系统中有着重要的作用,其核心问题在于研究查询问句与候选问句之间的相似性计算问题,实现问句之间的高精度匹配。该文采用树核函数的方法计算问句之间的结构相似性,并针对原有算法的不足,做了相应的改进。为降低句法解析器性能对树核函数的影响,该文在改进的树核函数基础上,将其与字符串核结合,提出了一种能同时融合问句的句法信息,词性信息和词序信息的复合核函数,用以计算问句之间的综合语义相似性。在社区问答系统Yahoo!Answer的数据上进行测试,相对传统的基于词频的特征向量法,问句检索平均准确率提高了24.02%。     

Ranking Potential Reply-Providers in Community Question Answering System

Community Question Answering （CQA） websites have greatly facilitated users＇ lives, with an increasing number of people seeking help and exchanging ideas on the Internet. This newlymerged community features two characteristics： social relations and an ask-reply mechanism. As users＇ behaviours and social statuses play a more important role in CQA services than traditional answer retrieving websites, researchers＇ concerns have shifted from the need to passively find existing answers to actively seeking potential reply providers that may give answers in the near future. We analyse datasets derived from an online CQA system named ＂Quora＂, and observed that compared with traditional question answering services, users tend to contribute replies rather than questions for help in the CQA system. Inspired by the findings, we seek ways to evaluate the users＇ ability to offer prompt and reliable help, taking into account activity, authority and social reputation char- acteristics. We propose a hybrid method that is based on a Question-User network and social network using optimised PageRank algorithm. Experimental results show the efficiency of the proposed method for ranking potential answer-providers.     

Coupled Matrix Factorization for Question Similarity

Community question answering (CQA) has provided an increasingly popular service where users ask and answer questions and access historical question-answer pairs. As a fundamental task in CQA, question similarity measure is to compute the similarity between the queried question and the historical questions which have been solved by other users. We mine and use the most important semantic features as the semantic repre-sentation of questions, and try to incorporate the couplings of semantic features into vector space model. We propose Coupled question similarity (CQS) model, and compute the similarity in matrix factorization framework. Experi-ments conducted on real CQA data sets demonstrate that with the incorporation of such couplings, the performance of sentence similarity is improved compared to a variety of baseline methods significantly.     

基于.NET的答疑系统研究与实现

随着网络技术的发展，网络答疑系统在网络教学中起着十分重要的作用。在分析目前的一些答疑系统的基础上，提出了一个比较全面的答疑系统模型，并对系统进行了功能模块的划分和详细分析。该系统充分结合学科知识库和FAQ库，灵活采用多种形式进行答疑；最后在．NET下使用流行的网络开发技术，实现了系统的主要功能，同时对一些关键技术进行了介绍。     

知识图在问答系统中的应用

基于判定问答系统当前问题是否是话题的一个部分以及正确地理解自然语言,提出了基于规划知识图的识别方法,结合问句的语境分析处理问题。给出了一个带有智能规划和识别句子完整性的系统模型。利用规划库将句子缺省信息和隐含信息表示完整,再结合句子语境检索。得出了利用规划知识图可以正确的理解用户意图,结合语境分析用户当前的动作可以提高理解的准确率,从而提高用户对系统的满意度。