基于論壇數(shù)據(jù)的問答挖掘.pdf

1、論壇中含有大量有價(jià)值的、由用戶討論生成的數(shù)據(jù)，從中可挖掘出大量的問答數(shù)據(jù)，而這些數(shù)據(jù)可進(jìn)一步用于改善問答系統(tǒng)的性能、擴(kuò)充聊天機(jī)器人的知識(shí)庫等。 本文研究從論壇中挖掘問答數(shù)據(jù)的信息抽取方法，包括兩個(gè)重點(diǎn)內(nèi)容：一是問題檢測(cè)，二是答案檢測(cè)。本文提出了基于標(biāo)記序列模式的分類方法從論壇數(shù)據(jù)中檢測(cè)問題，這種方法在不失準(zhǔn)確率的前提下，能大大提高召回率。基于圖的排序算法在信息檢索領(lǐng)域的應(yīng)用非常成功，本文受其啟發(fā)，提出了基于圖的迭代方法為抽取出的

2、問題尋找答案。在建立備選答案之間的加權(quán)有向圖時(shí)，綜合考慮了多個(gè)因素，如備選答案之間的相關(guān)性、問題和答案的距離、答案作者的權(quán)威度等，并將它們線性組合作為邊的權(quán)重。在圖的迭代中采用了兩種方法，分別為有初始值的迭代和無初始值的迭代。同時(shí)，提出了多種與已有的信息檢索的模型結(jié)合使用的方法。 在小規(guī)模人工標(biāo)注的論壇數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明，問題檢測(cè)階段的準(zhǔn)確率和召回率均明顯優(yōu)于任何已有的算法，答案檢測(cè)階段的MRR、MAP等各項(xiàng)指標(biāo)也均優(yōu)于其它的