面向問答的社區(qū)型知識抽取技術研究.pdf

1、近五年，數(shù)據(jù)驅動的方法逐漸成為了自動問答領域中新的研究熱點。尤其是隨著Web上各種網(wǎng)絡社區(qū)的興起，用戶生成式內容在形式和數(shù)量上呈現(xiàn)出爆炸性增長，為人們積累了大量的社區(qū)型知識。種類豐富、海量的社區(qū)型知識為自動問答系統(tǒng)提供了前所未有的知識源，因此面向問答的社區(qū)型知識抽取技術研究對提高問答系統(tǒng)的性能以及為問答系統(tǒng)帶來更好的用戶體驗有著積極的作用。
　　本文重點研究了兩類面向問答的社區(qū)型知識抽取技術：基于維基百科的定義型問答和論壇中問答對

2、的自動挖掘。
　　維基百科是一部在線百科全書，擁有大量的定義，其數(shù)據(jù)類型為我們提供了已標注好的定義型語料，而其數(shù)據(jù)的規(guī)模為我們從中挖掘序列模式提供了統(tǒng)計意義。本文提出了基于維基百科的定義型問答方法，主要研究了從維基百科中挖掘出頻繁出現(xiàn)的定義型序列模式，并將其應用于定義型問答系統(tǒng)。實驗結果表明，從維基百科中挖掘出的序列模式可以提高定義型問答系統(tǒng)中答案抽取的性能。
　　本文分兩個子任務對論壇中問答對的自動挖掘進行了研究：

3、　　（1）論壇中問題的自動挖掘。本文采用基于二元分類的方法進行問題句的自動識別，并將問題的自動識別技術第一次應用于中文。
　　（2）論壇中答案的自動挖掘。本文提出了一種新的面向論壇的無監(jiān)督答案抽取方法，該方法首先利用流行排序對候選答案的內容特征進行排序，然后利用PageRank模型對候選答案的作者權威性特征進行排序，最后使用基于無監(jiān)督學習的排序融合方法將兩種特征排序融合，得到最優(yōu)化的候選答案排序。實驗結果表明，本文的方法比目前最好