問答系統(tǒng)中多變量問題到OWL查詢語句的轉(zhuǎn)換研究.pdf

1、盡管搜索引擎極大的方便了人們在Web上進(jìn)行信息查找，但其還是有著很多的缺點(diǎn)。問答系統(tǒng)以其符合普通用戶習(xí)慣的表達(dá)方式、返回簡單準(zhǔn)確的答案彌補(bǔ)了搜索引擎的不足，成為信息檢索技術(shù)中的研究熱點(diǎn)。隨著Web智能特別是語義Web相關(guān)技術(shù)的發(fā)展，OWL成為W3C的推薦標(biāo)準(zhǔn)，網(wǎng)絡(luò)上存在大量的OWL知識，以問答的方式檢索這些知識是更好的利用這些知識的方式之一。
　　 現(xiàn)有的OWL知識問答系統(tǒng)依然存在一些問題，如對OWL元素的處理不全面，不能處理多

2、變量問題等。針對這些問題，本文集中研究問答系統(tǒng)中多變量問題到OWL查詢語句的轉(zhuǎn)換方法，包括三個子問題：期望答案類型識別、變量提取、組合OWL查詢語句，具體工作如下：
　　 針對期望答案類型識別，在參考Webclopedia的期望答案類型分類標(biāo)準(zhǔn)后，本文根據(jù)實驗所采用的領(lǐng)域知識庫，總結(jié)出以“Who”，“When”和“Where”開頭的問題的期望答案類型。對于以“What”和“Which”開頭的問題，則提出先識別問題的目標(biāo)，再根據(jù)問

3、題目標(biāo)來得到問題期望答案類型的方法。對以“What”和“Which”開頭的問題進(jìn)行的實驗結(jié)果表明該方法具有較好的效果。
　　 在變量提取方面，提出了一種提取變量、識別變量潛在類型的方法。該方法采用Stanford Parser工具對問題進(jìn)行解析，若解析結(jié)果表明問題中含有從句則提取變量，變量的潛在類型通過關(guān)系詞所指代的先行詞直接得出或從用同義詞典對先行詞進(jìn)行擴(kuò)展后得到的集合中得出。實驗結(jié)果表明該變量提取方法是可行的。
　　

4、 在組合OWL查詢語句方面，為了組合所有的變量及OWL元素到RDF元組，采用了基于模板的組合方法，組合過程中用到了Agile系統(tǒng)沒有用到的二變量模板。得到RDF元組后，為了剔除元組中的噪聲，對Agile系統(tǒng)中已有的噪聲剔除規(guī)則進(jìn)行了部分修改。實驗結(jié)果表明基于模板的組合方法能夠較好的組合RDF元組，噪聲過濾能提高組合精度。
　　 綜合前面描述的期望答案類型識別、變量提取、組合OWL查詢語句三個子內(nèi)容的所有實驗結(jié)果，整個結(jié)果表明方法