面向問答社區(qū)意見選擇類問題的答案融合技術(shù)研究.pdf

1、隨著問答社區(qū)(community-based Question Answering)的興起,大量的問答資源在用戶的交互中產(chǎn)生,為具有相似問題的用戶解決問題提供了參照。問答資源中有一類問題稱為意見選擇類問題,即提問者詢問某種觀點(diǎn)是否正確或者某種行為是否可行。用戶瀏覽這類問題可能出現(xiàn)的一個(gè)麻煩是答案繁多,不便于用戶快速掌握所有回答者對(duì)于問題的意見的全貌。針對(duì)這一情況,本文做了以下幾個(gè)方面的研究:
　　第一,本文將意見選擇類問題的答案看

2、做有情感傾向性的文本,使用無監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)兩類方法對(duì)答案進(jìn)行情感極性的判斷。無監(jiān)督方法學(xué)習(xí)通過使用基于WordNet的方法來計(jì)算詞的情感極性,進(jìn)而計(jì)算答案的情感極性。有監(jiān)督方法通過樸素貝葉斯模型、SVM模型和最大熵模型對(duì)答案的極性進(jìn)行分類,并使用集成分類方法進(jìn)一步提升分類的準(zhǔn)確率。最后實(shí)驗(yàn)驗(yàn)證了幾種方法在判斷答案極性方面的有效性。
　　第二,本文使用了基于 MMR模型的文摘方法對(duì)答案文本以句子為文本單位進(jìn)行了摘要研究,使用W

3、ordNet對(duì)答案進(jìn)行詞集的擴(kuò)充以解決短文本所造成的稀疏性問題。之后本文提出了融合情感極性信息和 MMR模型的答案摘要方法,結(jié)合答案文本的情感傾向信息對(duì)MMR模型做出了三種不同的改進(jìn)。最后使用ROUGE評(píng)價(jià)標(biāo)準(zhǔn)對(duì)模型的有效性進(jìn)行評(píng)價(jià)。實(shí)驗(yàn)證明融合情感信息可以提升MMR模型進(jìn)行答案摘要的效果,其中利用情感信息來更準(zhǔn)確的刻畫句子相似性對(duì)于改進(jìn)摘要效果最為顯著。
　　第三,實(shí)現(xiàn)了一個(gè)基于 CQA答案融合資源的意見查詢系統(tǒng)。系統(tǒng)利用Yah