基于深層邏輯知識抽取的問答系統(tǒng)研究.pdf

1、問答系統(tǒng)是一個快速發(fā)展的研究領域，其融合了信息檢索、信息抽取以及自然語言處理的研究和技術，充滿挑戰(zhàn)但又前景誘人，問答系統(tǒng)中的技術和方法也刺激了如文檔抽取、時間和命名實體表達式識別等領域的發(fā)展。
　　互聯(lián)網(wǎng)的快速發(fā)展提供了一個海量的文本信息來源，問答系統(tǒng)也利用互聯(lián)網(wǎng)大規(guī)模文本中顯式出現(xiàn)的知識解決了一部分問題，但是更多的知識隱含在文本中，需要進一步推理才能獲得。然而現(xiàn)階段大部分文本信息都是無標注的自由文本，如何進行推理獲得隱含知識面臨

2、巨大挑戰(zhàn);另外互聯(lián)網(wǎng)中文本信息不具有完備性，并且存在大量的噪音和事實錯誤，因此傳統(tǒng)的推理方法并不能適用于互聯(lián)網(wǎng)語料。
　　本文提出了一個為深層問答系統(tǒng)發(fā)現(xiàn)邏輯知識以及利用抽取到的知識進行問答的方法。該方法使用自動無監(jiān)督、與領域無關的方法在背景語料中提取知識，然后利用這些知識推理出問題的潛在答案。本文的主要工作如下:
　　(1)借助語義角色標注的結果將自然語言的表達轉換為一階謂詞邏輯的謂詞表達形式，語義角色標注可以更準確地標注

3、謂詞和論元，并且可以標注多個論元，其帶有的順序信息為謂詞關系消除歧義提供了依據(jù)，提高了關系抽取算法的準確性和適用性;
　　(2)使用關聯(lián)分析和統(tǒng)計相關性原理挖掘這些謂詞表達式之間的潛在關聯(lián)并建立用于推理的帶有權重邏輯命題，自動生成推理規(guī)則節(jié)約了人力，成功創(chuàng)建了大規(guī)模的具有通用性的知識庫;
　　(3)使用Markov邏輯網(wǎng)用作問題答案的推理系統(tǒng)，概率與邏輯推理的結合克服了抽取的知識帶有噪音、不確定和不完備的缺點，實驗表明這些自