基于支持向量機(jī)和語義信息的問題分類的研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，計(jì)算機(jī)要處理的文本信息越來越多。人們期望計(jì)算機(jī)能迅速、準(zhǔn)確地理解他們的需求和返回精準(zhǔn)的信息。傳統(tǒng)的搜索引擎不能完全滿足這種需求，而問答系統(tǒng)作為自然語言處理領(lǐng)域中的一個(gè)相當(dāng)活躍的分支，它所研究的內(nèi)容就是理解用戶用自然語言提出的需求，進(jìn)而在大規(guī)模的信息中自動(dòng)地給出滿足用戶特定需求的準(zhǔn)確答案。 問題分類是問答系統(tǒng)的一個(gè)重要模塊。對(duì)系統(tǒng)而言，為了能夠正確地回答問題，知道一個(gè)問題問什么，尋找什么樣的答案是非常重要的。問題

2、分類為問題回答系統(tǒng)理解用戶的提問提供了重要信息和解決方案：首先，問題分類能有效地減少候選答案的搜索空間，提高系統(tǒng)返回答案的準(zhǔn)確率；其次，問題分類提供的答案類型信息決定了答案抽取策略。 本文在基于支持向量機(jī)的問題分類模型上進(jìn)行研究和改進(jìn)，主要在以下兩方面提出新的見解和方法：一是提出把三種語義信息(命名實(shí)體，語義類別和WordNet語義)加入到語法樹的SVM分類器中，使分類結(jié)果的正確率有比較大的提高，分類結(jié)果準(zhǔn)確率為94％，高于目前