基于支持向量機的中文問題分類研究.pdf

1、問答系統(tǒng)是信息檢索的高級形式，其中問題理解模塊的問題分類任務能夠為后續(xù)的信息檢索模塊縮小搜索范圍，并有助于答案抽取模塊制定抽取策略，對問答系統(tǒng)整體性能的提高具有重要作用。處在發(fā)展初期的中文問答系統(tǒng)尤其需要追求每個階段的品質(zhì)，所以中文問題分類作為首要子過程極具研究價值。
　　 采取支持向量機的方法對中文問題進行分類比較可行且有效，因為處理問題集得到的特征空間維數(shù)較高，支持向量機可以有效解決高維問題；問題向量特征相關性小，支持向量機

2、能夠不受特征獨立性假設的影響；問題向量特征稀疏，支持向量機具有主動學習能力。此外，如果缺乏用于公測的問題集，支持向量機在自行構建的問題集上仍然可以得到相對最優(yōu)的結果，具有良好的泛化和推廣性。
　　 中文問題包含的信息非常少，轉(zhuǎn)換成向量后在高維空間的分類精度很低，因此需要對原始問句中的關鍵詞在概念上進行擴展，一般地，從同義、近義和上下位三個方向擴展能夠在盡量不引入噪音的前提下使問題向量的維數(shù)升高，從而大幅度提高分類精度。在易分中文

3、問題分類系統(tǒng)上實驗顯示，對問題特征數(shù)目擴大一倍，分類精度可以提高55.263%；對每個類的問題個數(shù)增加一倍，分類精度提高35.956%。選取支持向量機參數(shù)的過程中發(fā)現(xiàn)參數(shù)和分類準確率有這樣的關系：一、對于同一個數(shù)據(jù)集，數(shù)據(jù)區(qū)間范圍的伸縮不影響分類準確率，罰因子值不變，高斯寬度參數(shù)值隨區(qū)間的伸縮增大或減小；二、數(shù)據(jù)區(qū)間范圍不變的情況下，罰因子和高斯寬度參數(shù)的值此消彼長，在追求最佳分類精度的取值趨勢上是相對的。三、數(shù)據(jù)集的實例個數(shù)不變，罰因