基于知网的中文问答系统问题理解与研究

摘要

本文对中文自动问答系统中的问题理解技术进行了研究。问题理解是问答系统的基础，只有在正确地分析和理解问题的基础上，才有可能返回给用户以正确的答案。问题理解的核心内容就是问题分类。在对现有问题理解技术进行全面学习和深入研究的基础上，本文进行了以下几个方面的工作： (1)为了深入理解并能从整体上把握问题的语义，本文提出了一种问题语义描述模型一事件框架模型，并采用知网的事件和属性类义原作为事件框架体系的中心成分。 (2)在前人的“问题分类体现问题的疑问意图”思想的基础上，明确地提出了基于疑问意向的问题分类。并在事件框架体系下，给出了疑问意向的形式化定义，即疑问意向可用问题的事件框架中心成分、问题的预期答案类型以及问题中间点的语义角色等三个特征来表征。提出了寄予疑问意向的问题分类体系。同时，本文提出了一种基于事件框架的问题语义描述模型，在这个模型下，我们给出了疑问意向的形式化定义。同时通过借助语义资源知网，对问题空间的大小进行评测。 (3)对问题疑问意向的自动识别进行了研究。提出了一种基于双层最大熵模型的答案类型识别方法，实验结果比采用同一训练测试集的方法高出2个百分点；提出了一种基于知网可信度评价的事件框架中心成分抽取方法，利用该方法能够从表达方式不同而疑问意向相同的问句中提取出相同的事件框架中心成分；利用最大熵模型进行了问点语义角色标注，在此基础上，又对问点语义角色标注中的特征选择及优化进行了深入的研究，并提出了一种基于改进互信息模型的特征选择方法以及一种事件框架特征的优化表达方法。 (4)实现了一个可用于基于模式的问答系统的问题理解子系统，并通过实验对其性能进行了评价。

目录

文摘

英文文摘

声明

1绪论

1.1问题分类的研究背景

1.2问答系统的基本工作过程

1.2.1基本结构示意

1.2.2问答系统中不同抽取策略

1.3问题理解模块的任务

1.3.1基于相似度计算的问题理解

1.3.2基于模式匹配的问题理解

1.4主要作用

1.5组织情况

2问题理解方法的研究

2.1问题理解技术发展历史

2.2问题分类体系

2.3问题分类方法

2.4问题分类中的数学模型

2.4.1贝叶斯模型

2.4.2最大熵模型

2.4.3支持向量机

2.5关键词抽取方法

2.6关键词扩展

2.7本章小结

3疑问意向的问题分类体系研究

3.1基于疑问意向的问题分类的提出

3.2事件框架模型的研究

3.2.1新的问题语义描述模型建立的必要性

3.2.2事件框架模型的建立

3.2.3事件框架模型的形式化定义

3.3知网简介

3.3.1知网哲学

3.3.2知网内容

3.3.3知网在本文中的应用

3.4疑问意向的形式化

3.5本章小结

4问题答案识别研究

4.1汉语疑问句分析

4.1.1疑问句句式及语法特征

4.1.2特指问句分析

4.2答案类型识别方法

4.2.1基于规则的方法

4.2.2基于统计的方法

4.3答案类型识别过程具体确立与研究

4.3.1答案类型集及语料库

4.3.2预处理过程

4.3.3疑问句类型的确定

4.3.4基于统计的答案类型识别

4.5本章小结

5问句事件框架中心成分的确定

5.1基本概念定义

5.2问句变体情况分析

5.3基于知网可信度评价的事件框架中心成分确定

5.3.1属性类问题与事件类问题的区分

5.3.2事件类问题语义所指事件的抽取

5.3.3属性框架的确定

5.4实验结果及分析

5.5本章小结

6汉语疑问句问点语义角色标注

6.1问点语义标注任务介绍

6.2语义角色标注集

6.3分类器介绍

6.4问句特征

6.5特征的选择与优化

6.5.1特征词选择

6.5.2事件框架特征的分解表示

6.6实验结果及分析

6.6本章小结

7问题理解子系统的实现及评价

7.1系统实现

7.1.1系统框架

7.1.2问题理解实验系统界面

7.2实验结果及评价

7.2.1疑问意向识别性能的评价

7.2.2语义描述能力评价

7.3本章小结

结论

附录Ⅰ答案类型详细分类表

附录Ⅱ系统运行示例

参考文献

致谢