基于支持向量機(jī)的中文問題分類研究.pdf

1、問答系統(tǒng)是信息檢索的高級形式，其中問題理解模塊的問題分類任務(wù)能夠?yàn)楹罄m(xù)的信息檢索模塊縮小搜索范圍，并有助于答案抽取模塊制定抽取策略，對問答系統(tǒng)整體性能的提高具有重要作用。處在發(fā)展初期的中文問答系統(tǒng)尤其需要追求每個階段的品質(zhì)，所以中文問題分類作為首要子過程極具研究價(jià)值。
　　 采取支持向量機(jī)的方法對中文問題進(jìn)行分類比較可行且有效，因?yàn)樘幚韱栴}集得到的特征空間維數(shù)較高，支持向量機(jī)可以有效解決高維問題；問題向量特征相關(guān)性小，支持向量機(jī)

2、能夠不受特征獨(dú)立性假設(shè)的影響；問題向量特征稀疏，支持向量機(jī)具有主動學(xué)習(xí)能力。此外，如果缺乏用于公測的問題集，支持向量機(jī)在自行構(gòu)建的問題集上仍然可以得到相對最優(yōu)的結(jié)果，具有良好的泛化和推廣性。
　　 中文問題包含的信息非常少，轉(zhuǎn)換成向量后在高維空間的分類精度很低，因此需要對原始問句中的關(guān)鍵詞在概念上進(jìn)行擴(kuò)展，一般地，從同義、近義和上下位三個方向擴(kuò)展能夠在盡量不引入噪音的前提下使問題向量的維數(shù)升高，從而大幅度提高分類精度。在易分中文

3、問題分類系統(tǒng)上實(shí)驗(yàn)顯示，對問題特征數(shù)目擴(kuò)大一倍，分類精度可以提高55.263%；對每個類的問題個數(shù)增加一倍，分類精度提高35.956%。選取支持向量機(jī)參數(shù)的過程中發(fā)現(xiàn)參數(shù)和分類準(zhǔn)確率有這樣的關(guān)系：一、對于同一個數(shù)據(jù)集，數(shù)據(jù)區(qū)間范圍的伸縮不影響分類準(zhǔn)確率，罰因子值不變，高斯寬度參數(shù)值隨區(qū)間的伸縮增大或減??；二、數(shù)據(jù)區(qū)間范圍不變的情況下，罰因子和高斯寬度參數(shù)的值此消彼長，在追求最佳分類精度的取值趨勢上是相對的。三、數(shù)據(jù)集的實(shí)例個數(shù)不變，罰因