面向閱讀理解的篇章主題分析研究.pdf

1、發(fā)展至今日，問答系統(tǒng)已經(jīng)不再限于對簡單事實(shí)問題的回答，關(guān)注更多的則是對于言語理解方面復(fù)雜問題的研究，這其中，閱讀理解的研究最為困難。單文檔的閱讀理解需要依據(jù)一篇背景材料，結(jié)合自然語言處理技術(shù)和信息抽取技術(shù)，獲取準(zhǔn)確的答案，由于文檔數(shù)量的限制，目前對于單文檔的復(fù)雜問題的研究大多停留在基于規(guī)則的方法上。因此本文提出通過篇章主題內(nèi)容分析對單文檔復(fù)雜問題進(jìn)行解答的方法。
　　主要分為以下三部分：
　?。?）在k-means聚類框架下

2、，進(jìn)行主題片段的劃分，其中相似度的計(jì)算比對三種方法：基于同義詞詞林、基于詞袋表示以及基于word2vector。其中，利用word2vector的方法是依據(jù)詞語加權(quán)訓(xùn)練出篇章的段落向量，最后基于k-means劃分文本的主題片段。
　?。?）針對不同劃分主題片段的方法，利用不同的計(jì)算方法抽取子主題句。而主題句將在子主題句中進(jìn)行抽取。
　　（3）利用篇章主題分析進(jìn)行復(fù)雜問題的解答，本文選用的復(fù)雜問題來源于高考語文閱讀理解部分，主

3、要用于對問答題和概括題的解答。本文搭建了一個(gè)篇章主題分析的系統(tǒng)，便于人機(jī)交互的使用。
　　本文基于Java語言實(shí)現(xiàn)篇章主題分析系統(tǒng)，共分為三個(gè)模塊：主題片段的劃分，子主題句的抽取，主題句的抽取。通過測試來自高考語文散文、模擬題以及相關(guān)散文集，共100篇，在主題片段的劃分和子主題句的識別上，基于word2vector的k-means聚類方法最佳，主題片段的劃分嚴(yán)格準(zhǔn)確率可達(dá)到40％，寬松準(zhǔn)確率可達(dá)到55%，子主題識別準(zhǔn)確率為54.0