面向問答社區(qū)意見選擇類問題的答案融合技術(shù)研究.pdf

1、隨著問答社區(qū)(community-based Question Answering)的興起,大量的問答資源在用戶的交互中產(chǎn)生,為具有相似問題的用戶解決問題提供了參照。問答資源中有一類問題稱為意見選擇類問題,即提問者詢問某種觀點是否正確或者某種行為是否可行。用戶瀏覽這類問題可能出現(xiàn)的一個麻煩是答案繁多,不便于用戶快速掌握所有回答者對于問題的意見的全貌。針對這一情況,本文做了以下幾個方面的研究:
　　第一,本文將意見選擇類問題的答案看

2、做有情感傾向性的文本,使用無監(jiān)督學(xué)習(xí)和有監(jiān)督學(xué)習(xí)兩類方法對答案進行情感極性的判斷。無監(jiān)督方法學(xué)習(xí)通過使用基于WordNet的方法來計算詞的情感極性,進而計算答案的情感極性。有監(jiān)督方法通過樸素貝葉斯模型、SVM模型和最大熵模型對答案的極性進行分類,并使用集成分類方法進一步提升分類的準確率。最后實驗驗證了幾種方法在判斷答案極性方面的有效性。
　　第二,本文使用了基于 MMR模型的文摘方法對答案文本以句子為文本單位進行了摘要研究,使用W

3、ordNet對答案進行詞集的擴充以解決短文本所造成的稀疏性問題。之后本文提出了融合情感極性信息和 MMR模型的答案摘要方法,結(jié)合答案文本的情感傾向信息對MMR模型做出了三種不同的改進。最后使用ROUGE評價標準對模型的有效性進行評價。實驗證明融合情感信息可以提升MMR模型進行答案摘要的效果,其中利用情感信息來更準確的刻畫句子相似性對于改進摘要效果最為顯著。
　　第三,實現(xiàn)了一個基于 CQA答案融合資源的意見查詢系統(tǒng)。系統(tǒng)利用Yah