面向自動問答的短問題分類研究.pdf

1、隨著科技的飛速前進，互聯網的不斷發(fā)展，信息不斷的增長，如何從海量信息中快速準確地獲取有用信息逐漸演變成一個愈發(fā)重要的課題。自動問答系統(tǒng)作為一種特殊的搜索引擎，重新回到了學者們研究的視線，它有別于傳統(tǒng)的搜索引擎，能夠理解用戶以口語化表達的問題，并從后臺知識庫中直接返回正確答案。自動問答系統(tǒng)主要分為問題分類、問題理解、答案的抽取和消岐等步驟，其中問題分類占據著關鍵步驟中的首要位置，它可以為問題理解、答案的選取等后續(xù)步驟提供語義限制和約束。<

2、br>　　從信息論角度來說，數據所包含的信息是可以被量化的，如果信息的增多使得該事件不確定性減少，則增加的信息是與該事件相關的;反之，信息的增多沒有使得該事件的不確定性減少，則增加的信息與該事件是不相關的。問題分類一般都是借助文本分類的思想，但與一個文本相比，一個問句（短文本）所包含的信息相對較少，需要對問句中僅有的信息進行分析從而確定其類別，因此，對于問題分類來說，存在著諸多挑戰(zhàn)，主要有:用于問題所構建的特征向量空間模型維數過大，且特

3、征向量相關性較小;問題相對短小，形成的特征向量空間也過于稀疏。
　　為了克服上述兩個難題，本文著眼于詞語的語義，構造了具有語義支持能力的知識庫，并將深度學習運用到向量的特征學習中，實現了一種基于語義信息的特征學習和基于語義信息的問題分類方法。具體研究如下:
　　(1)利用百度百科信息和互信息理論計算詞語語義相關度。該方法將百度百科詞條與其詞條標簽作為圖中節(jié)點，根據它們之間存在的鏈接關系對其進行詞條聚合，然后利用互信息計算百科

4、詞條語義相關度，再選擇相關度值較大的作為與其相關的詞條。
　　(2)分析了常用的文本特征選擇方法，并實現了獲取特定文本語料中語義類別知識庫的方法，然后利用構建好的語義相關度知識庫對問句中的詞語進行語義擴展;以及利用語義類別知識庫對問句中的詞語進行語義泛化，為后續(xù)的分類做好準備。
　　(3)利用深度學習對短問句進行特征學習。由于以詞語作為特征維數高，因此首先需要對其進行語義擴展初步減少特征向量空間的維度，再進行語義泛化再次降低

5、維度，使得詞語的維度小于5000，接著利用深度學習對其特征進行學習和分類。
　　(4)實現了基于語義信息的問題分類方法，分別對不同特征選擇方法、語義擴展、語義泛化的結果利用不同的分類算法進行實驗對比。最終找到適合本實驗數據的分類方法與流程。
　　為了驗證本文方法的有效性，以數據堂手機語音助手實網數據作為實驗數據集。實驗表明，本文構建的語義知識庫能提供語義支持，且基于語義信息的問題分類方法解決了特征向量空間維數高、相關性小、數