面向問(wèn)答的社區(qū)型知識(shí)抽取技術(shù)研究.pdf

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

2、的自動(dòng)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(biāo)注好的定義型語(yǔ)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(jì)意義。本文提出了基于維基百科的定義型問(wèn)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(yīng)用于定義型問(wèn)答系統(tǒng)。實(shí)驗(yàn)結(jié)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(wèn)答系統(tǒng)中答案抽取的性能。
　　本文分兩個(gè)子任務(wù)對(duì)論壇中問(wèn)答對(duì)的自動(dòng)挖掘進(jìn)行了研究：

3、　　（1）論壇中問(wèn)題的自動(dòng)挖掘。本文采用基于二元分類的方法進(jìn)行問(wèn)題句的自動(dòng)識(shí)別，并將問(wèn)題的自動(dòng)識(shí)別技術(shù)第一次應(yīng)用于中文。
　?。?）論壇中答案的自動(dòng)挖掘。本文提出了一種新的面向論壇的無(wú)監(jiān)督答案抽取方法，該方法首先利用流行排序?qū)蜻x答案的內(nèi)容特征進(jìn)行排序，然后利用PageRank模型對(duì)候選答案的作者權(quán)威性特征進(jìn)行排序，最后使用基于無(wú)監(jiān)督學(xué)習(xí)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(shí)驗(yàn)結(jié)果表明，本文的方法比目前最好