面向自動問答的短問題分類研究.pdf

1、隨著科技的飛速前進，互聯(lián)網(wǎng)的不斷發(fā)展，信息不斷的增長，如何從海量信息中快速準確地獲取有用信息逐漸演變成一個愈發(fā)重要的課題。自動問答系統(tǒng)作為一種特殊的搜索引擎，重新回到了學者們研究的視線，它有別于傳統(tǒng)的搜索引擎，能夠理解用戶以口語化表達的問題，并從后臺知識庫中直接返回正確答案。自動問答系統(tǒng)主要分為問題分類、問題理解、答案的抽取和消岐等步驟，其中問題分類占據(jù)著關(guān)鍵步驟中的首要位置，它可以為問題理解、答案的選取等后續(xù)步驟提供語義限制和約束。<

2、br>　　從信息論角度來說，數(shù)據(jù)所包含的信息是可以被量化的，如果信息的增多使得該事件不確定性減少，則增加的信息是與該事件相關(guān)的;反之，信息的增多沒有使得該事件的不確定性減少，則增加的信息與該事件是不相關(guān)的。問題分類一般都是借助文本分類的思想，但與一個文本相比，一個問句（短文本）所包含的信息相對較少，需要對問句中僅有的信息進行分析從而確定其類別，因此，對于問題分類來說，存在著諸多挑戰(zhàn)，主要有:用于問題所構(gòu)建的特征向量空間模型維數(shù)過大，且特

3、征向量相關(guān)性較小;問題相對短小，形成的特征向量空間也過于稀疏。
　　為了克服上述兩個難題，本文著眼于詞語的語義，構(gòu)造了具有語義支持能力的知識庫，并將深度學習運用到向量的特征學習中，實現(xiàn)了一種基于語義信息的特征學習和基于語義信息的問題分類方法。具體研究如下:
　　(1)利用百度百科信息和互信息理論計算詞語語義相關(guān)度。該方法將百度百科詞條與其詞條標簽作為圖中節(jié)點，根據(jù)它們之間存在的鏈接關(guān)系對其進行詞條聚合，然后利用互信息計算百科

4、詞條語義相關(guān)度，再選擇相關(guān)度值較大的作為與其相關(guān)的詞條。
　　(2)分析了常用的文本特征選擇方法，并實現(xiàn)了獲取特定文本語料中語義類別知識庫的方法，然后利用構(gòu)建好的語義相關(guān)度知識庫對問句中的詞語進行語義擴展;以及利用語義類別知識庫對問句中的詞語進行語義泛化，為后續(xù)的分類做好準備。
　　(3)利用深度學習對短問句進行特征學習。由于以詞語作為特征維數(shù)高，因此首先需要對其進行語義擴展初步減少特征向量空間的維度，再進行語義泛化再次降低

5、維度，使得詞語的維度小于5000，接著利用深度學習對其特征進行學習和分類。
　　(4)實現(xiàn)了基于語義信息的問題分類方法，分別對不同特征選擇方法、語義擴展、語義泛化的結(jié)果利用不同的分類算法進行實驗對比。最終找到適合本實驗數(shù)據(jù)的分類方法與流程。
　　為了驗證本文方法的有效性，以數(shù)據(jù)堂手機語音助手實網(wǎng)數(shù)據(jù)作為實驗數(shù)據(jù)集。實驗表明，本文構(gòu)建的語義知識庫能提供語義支持，且基于語義信息的問題分類方法解決了特征向量空間維數(shù)高、相關(guān)性小、數(shù)