基于策略學習的多引擎中文問答系統(tǒng)的研究.pdf

1、“問答系統(tǒng)”是對用戶以自然語言形式提出的問題給出一個明確的答案。問答技術是自然語言處理領域的一個研究熱點，近年來受到了越來越多研究者們的關注。隨著互聯(lián)網(wǎng)的快速發(fā)展，人們面對的信息越來越多，而且還可能存在大量的重復、錯誤信息，信息的正確抽取越來越困難。因此，問答系統(tǒng)的研究變得越來越重要。長期以來，“如何提高問答系統(tǒng)的性能”，一直是人們努力探索的一個問題。
　　在以往的研究中，已經(jīng)有過采用多引擎技術提高問答系統(tǒng)性能的例子。一種傳統(tǒng)的方

2、法就是把查詢問題通過系統(tǒng)中所有的QA引擎，類似于元搜索中采取的技術。然而，這種方法的一個顯著的缺點就是系統(tǒng)資源利用率太低，特別是對于具有大量QA引擎的問答系統(tǒng)。另一種方法是為系統(tǒng)中的多個QA引擎人工編寫一種組合策略。然而，這種“通過預定義策略組合多個QA引擎返回結果”的QA方法的弊端不僅體現(xiàn)在人工建立組合策略的花銷上，這樣的QA系統(tǒng)還明顯缺乏靈活性和可擴展性。
　　與以上兩種方法不同，本文提出了一種自動策略學習的QA方法，并使用該

3、QA方法建立了一種基于策略學習的問答系統(tǒng)模型，用以提高問答系統(tǒng)檢索答案的準確率和效率。系統(tǒng)中使用了多個獨立的采用不同答案檢索技術的QA引擎，本文提出的QA方法實際上是選擇、整合、應用學習技巧的一套操作過程。在本文設計的“基于策略學習的多引擎中文問答系統(tǒng)”中，“策略”通過“策略學習”的過程獲得?！安呗詫W習”算法包括兩個主要步驟:確定系統(tǒng)中QA引擎的調(diào)用順序，以及停止調(diào)用其它QA引擎的條件。對于一個給定的查詢問題，本文通過“策略學習”得到的