SINA: Semantic interpretation of user queries for question answering on interlinked data

The architectural choices underlying Linked Data have led to a compendium of data sources which contain both duplicated and fragmented information on a large number of domains. One way to enable non-experts users to access this data compendium is to provide keyword search frameworks that can capitalize on the inherent characteristics of Linked Data. Developing such systems is challenging for three main reasons. First, resources across different datasets or even within the same dataset can be homonyms. Second, different datasets employ heterogeneous schemas and each one may only contain a part of the answer for a certain user query. Finally, constructing a federated formal query from keywords across different datasets requires exploiting links between the different datasets on both the schema and instance levels. We present Sina, a scalable keyword search system that can answer user queries by transforming user-supplied keywords or natural-languages queries into conjunctive SPARQL queries over a set of interlinked data sources. Sina uses a hidden Markov model to determine the most suitable resources for a user-supplied query from different datasets. Moreover, our framework is able to construct federated queries by using the disambiguated resources and leveraging the link structure underlying the datasets to query. We evaluate Sina over three different datasets. We can answer 25 queries from the QALD-1 correctly. Moreover, we perform as well as the best question answering system from the QALD-3 competition by answering 32 questions correctly while also being able to answer queries on distributed sources. We study the runtime of SINA in its mono-core and parallel implementations and draw preliminary conclusions on the scalability of keyword search on Linked Data.     

通用在线考试系统的设计与实现

目前的大多数考试系统都局限于某个学科或者专业,而忽略其通用性的研究,通过对通用在线考试系统进行需求分析,了解系统的功能需求,设计出系统功能模块例如学生考试、题库管理、考卷评分和考试分析。给出关键模块的实现细节,并实现一个完善的通用在线考试系统。     

社区问答系统研究综述

作为一种新兴的知识共享模式,社区问答系统(CQA)具有交互性、开放性的特点,能够更好地满足为用户提供个性化的信息服务的需求。对社区问答系统的研究及应用现状进行综述,系统阐述了用户行为模式、内容质量检测、问题检索等CQA中主要问题的研究以及CQA在其他媒体中的应用。最后展望了CQA中下一步值得研究的问题。本讨论有助于进一步丰富和拓展CQA的研究。     

问答系统研究现状

问答系统是信息检索的高级形式,也是该领域的研究重点和热点。该文首先给出问答系统的定义,然后对现有各类问答系统进行了介绍,并对其核心技术、测评标准进行了分析,最后对问答系统的发展方向进行了展望。     

海安方言的“可VP”句式

本文描绘和分析了存在于海安方言中的“可ＶＰ”问句在疑问词、疑问句式、疑问焦点及停顿等方面不同于一般方言的特殊性,并以《西游记》、《红楼梦》等名著中的例子进行参证。最后,指明这种句式是非问的性质。     

基于概念图的中文FAQ问答系统

提出一种利用概念图计算问句相似度的方法,并在此基础上实现基于概念图的中文FAQ问答系统,在该系统中采用概念图的形式表示用户问句及在FAQ库中找到的候选问句集中的问句,通过改进的概念图语义相似度计算问句相似度,在候选问句集中找到相似的问句并将答案返回给用户。该系统能够自动更新和维护FAQ库。实验结果表明,与基于关键词的句子相似度相比,基于语义的句子相似度提高了问题匹配的准确率。     

试卷评价指标与自动组卷算法研究

自动组卷避免人为主观因素的影响,从而实现考试规范化和标准化,围绕试卷主要评价指标和试题评价指标进行分析和探讨,并给出自动组卷的数学模型。     

基于Client/Server模式的智能抽题算法

文章介绍了一种应用于Client/Server模式的计算机辅助测试系统中的智能抽题算法。该算法采用抽题脚本动态获取题目信息,运用优化替换技术对抽取的脚本草稿进行替换修正,具有抽题快捷、网络传输量小、对数据库的完备性要求较低、通用性较强的优点。     

中科院声学所知识创新工程项目基于内容分析的中文问答处理算法及系统实现*

提出了一种基于HNC自然语言理解框架下的中文问答处理算法,并在此算法基础上加以系统实现。试验证明,该系统在中等规模常识库基础上效果显著、准确率高。     

中文问句分类特征的研究

针对"不同的问句分类特征对问句分类的影响不相同,提取和处理这些特征的时间复杂度也不相同"的问题,提取问题疑问词、核心关键词(疑问词的一二级依存词和问句中心语)的主要义原、核心关键词的首义原、问句主谓宾的主要义原、命名实体、名词单(复)数等六种分类特征,采用支持向量机分类算法,对事实疑问句进行不同特征组合的分类对比实验,发现采用词义消岐技术提取的主要义原不仅对分类的准确率影响明显,而且大幅降低特征向量的维数,减少了处理时间。