基于問(wèn)答庫(kù)的檢索式問(wèn)答系統(tǒng)研究與實(shí)現(xiàn).pdf

1、Web2.0時(shí)代已歷十余年。隨著互聯(lián)網(wǎng)的高速發(fā)展和移動(dòng)終端的迅速普及，由用戶主導(dǎo)產(chǎn)生的信息日益膨脹。如此規(guī)模龐大的信息導(dǎo)致用戶信息過(guò)載，從而倒逼搜索引擎技術(shù)的快速發(fā)展，使用戶能夠快速準(zhǔn)確地獲取所需信息。以關(guān)鍵詞匹配和網(wǎng)頁(yè)鏈接為基礎(chǔ)的搜索方法已趨于成熟，但多數(shù)情況下由于用戶選擇關(guān)鍵詞不當(dāng)，導(dǎo)致檢索結(jié)果不理想;或因搜索引擎不能過(guò)濾大量的網(wǎng)頁(yè)，導(dǎo)致用戶得不到準(zhǔn)確的答案。相比之下，問(wèn)答系統(tǒng)以自然語(yǔ)言作為輸入，不依賴于用戶對(duì)關(guān)鍵詞的選擇，并直接返

2、回最相關(guān)答案內(nèi)容，它提高了用戶檢索滿意度并節(jié)約了用戶獲取答案的時(shí)間。本文在此背景下對(duì)基于問(wèn)答庫(kù)的檢索式問(wèn)答系統(tǒng)展開(kāi)研究，主要研究工作包括以下三個(gè)方面:
　　(1)對(duì)基于依存關(guān)系的文本相似度算法進(jìn)行研究和分析，并提出一種基于依存關(guān)系選擇與加權(quán)的文本相似度算法，實(shí)驗(yàn)結(jié)果表明該方法在不同的數(shù)據(jù)集上，其準(zhǔn)確率均具有較大優(yōu)勢(shì)。
　　(2)本文結(jié)合基于向量空間模型(Vector Space Model，VSM)、依存關(guān)系和卷積神經(jīng)網(wǎng)絡(luò)（