基于知識(shí)的自動(dòng)問答研究.pdf

1、傳統(tǒng)的基于知識(shí)的自動(dòng)問答（KB-QA)系統(tǒng)面臨兩個(gè)挑戰(zhàn)：其一在于將自然語言的句子解析成他們對(duì)應(yīng)的語義表示（Meaning Representation）；其二在于如何使用生成的語義表示在知識(shí)庫中檢索答案。以往的研究方法往往將這兩個(gè)過程像流水線一樣地進(jìn)行處理，即先完成將自然語言句子解析成語義表示，然后再用生成的語義表示檢索答案。不同于以往這種順序處理的做法，本文提出的類翻譯的基于知識(shí)的自動(dòng)問答方法將解決這兩個(gè)問題并入一個(gè)統(tǒng)一的框架之下，使

2、這兩步交替進(jìn)行。
　　我們基于 Cocke-Younger-Kasami(CYK)解碼算法將問句“翻譯”成答案。每個(gè)CYK單元對(duì)應(yīng)問句的一個(gè)區(qū)間，該CYK單元所對(duì)應(yīng)的問句區(qū)間作為一個(gè)完整的、具有意義的子問句可以產(chǎn)生答案。而這些子問句產(chǎn)生的答案作為相應(yīng)問句區(qū)間的“翻譯”結(jié)果，是由本文提出的“問句翻譯”（Question Translation）方法所給出的?！皢柧浞g”模塊首先分別通過基于問句模板和基于關(guān)系表達(dá)式兩種方式將問句區(qū)間轉(zhuǎn)

3、化成形式化的三元組查詢語句，然后這些三元組查詢語句作為相應(yīng)問句區(qū)間的語義表示，被用來從給定的知識(shí)庫（Knowledge Base）中檢索答案。
　　本文使用線性模型（Linear Model）建模。線性模型被定義在派生（Derivation）之上，即每一個(gè)樣本是一個(gè)派生。同時(shí)本文使用最小錯(cuò)誤率訓(xùn)練（MERT）方法，利用一組問答對(duì)來調(diào)整模型的特征權(quán)重來進(jìn)行優(yōu)化。與使用最先進(jìn)的語義解析方法的基于知識(shí)的問答系統(tǒng)相比，本文的方法得到了較好