基于知識的自動問答研究.pdf

1、傳統(tǒng)的基于知識的自動問答（KB-QA)系統(tǒng)面臨兩個挑戰(zhàn)：其一在于將自然語言的句子解析成他們對應(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庫中檢索答案。以往的研究方法往往將這兩個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的自動問答方法將解決這兩個問題并入一個統(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CYK單元對應(yīng)問句的一個區(qū)間，該CYK單元所對應(yīng)的問句區(qū)間作為一個完整的、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，即每一個樣本是一個派生。同時本文使用最小錯誤率訓(xùn)練（MERT）方法，利用一組問答對來調(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的問答系統(tǒng)相比，本文的方法得到了較好