基于監(jiān)督學(xué)習(xí)的問答對(duì)提取方法研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅速發(fā)展,互聯(lián)網(wǎng)已經(jīng)成為全球最大、最廣泛使用的信息庫(kù),成為人們進(jìn)行信息交流和處理的最有效平臺(tái)。互聯(lián)網(wǎng)上的數(shù)據(jù)是海量的,而且本身還以每天極高的速度增長(zhǎng),如何有效處理和使用這些數(shù)據(jù)成為目前熱點(diǎn)的課題之一。 對(duì)于如何利用互聯(lián)網(wǎng)海量的數(shù)據(jù),目前主要有兩個(gè)研究方向,即信息檢索和問答系統(tǒng)。在信息檢索領(lǐng)域,搜索引擎很好的整合了互聯(lián)網(wǎng)上的數(shù)據(jù),滿足了人們?nèi)粘Ｋ褜ば畔⒌男枰?。在問答系統(tǒng)領(lǐng)域,大多使用語(yǔ)義相似度的方法來(lái)提取問題對(duì)應(yīng)的答

2、案,目前仍停留在研究階段。 本文利用監(jiān)督學(xué)習(xí)的方法,對(duì)互聯(lián)網(wǎng)上存在海量信息中的問題和答案的相關(guān)知識(shí)進(jìn)行提取,并且與現(xiàn)有的一些方法進(jìn)行對(duì)比和分析。本文研究工作的主要內(nèi)容如下： 1.研究如何從文檔中提取問題。針對(duì)問題和具體的問句的定義,本文提出了使用多種問題的特征,利用監(jiān)督學(xué)習(xí)的方法結(jié)合支持向量機(jī),對(duì)文檔中存在的問題進(jìn)行提取的方法。 2.研究如何通過特定問題來(lái)提取對(duì)應(yīng)的答案。現(xiàn)有的方法主要是基于一些簡(jiǎn)單而且非智能的模

3、式,通過分析它們的不足,針對(duì)答案的定義,本文提出了使用文本特征、非文本特征和相似度等多種特征,利用監(jiān)督學(xué)習(xí)的方法結(jié)合支持向量機(jī),對(duì)特定問題的答案進(jìn)行提取的方法。 3.研究如何直接從文檔中提取問題和答案。通過分析問題和答案之間的關(guān)系,本文提出了使用文檔之間的關(guān)系(各種相似度)作為特征,利用監(jiān)督學(xué)習(xí)的方法結(jié)合支持向量機(jī),同時(shí)從文檔中提取問題和答案的方法。 最后,通過一系列的對(duì)比實(shí)驗(yàn),驗(yàn)證了本文的研究方法在所涉及的研究領(lǐng)域內(nèi)準(zhǔn)