一种融合多种语义特征的中文问题分类方法.pdfVIP

第 42卷 第 5期 太 原 理 工 大 学 学 报 V01．42 No．5 2011年 9月 J0URNAL0FTAIYUAN UNIVERSITY 0FTECHN0L0GY Sep． 2011 文章 编 号 ：1007—9432(2011)05—0494—05 一 种融合多种语义特征的中文问题分类方法 段利国，陈俊杰，牛彦清 (太原理工大学 计算机科学与技术学院，太原 030024) 摘 要 ：针 对 中文 问题 分类 方 法 中提取 语 义信 息不 准确 和 特征 向量 维数 过 高导 致 处理 速度 过 慢 的 问题 ，提 出 了一种 融合 多种语 义特 征 的 问题 分 类方 法 。借助 HowNet，兼 顾 问句 的 句 法和语 义 信 息 ，选取 问题疑 问词 、核 心词 的主要 义原 、命名 实体 、名词 单 ／复数等 四种 分类 特征 ，并在 义原 的提 取 过程 中加入 词 义 消岐技 术 ，对 事 实疑 问句进行 分 类 。在 某 高校 信 息检 索研 究室的 中文 问题 集上 进 行 实验 ，实验 结果证 明 了该 方法 的有效 性 ，大 类准确 率 92．82 ，小类 准确 率 84．45 ，取 得 了较 好 的 效 果 。 关 键词 ：问题 分 类 ；疑 问词 ；义原 ；命名 实体 ；支持 向量机 中图分 类号 ：TP391 文献 标识 码 ：A 识别问题所期望的答案语义类型，称为问题分 的分类算法 ，二是提取合适 的分类特征 ，三是要有好 类l1]。例如 ，问题 “哪个 国家面积最大?”的预期答案 的训练语料 。文献[3]采用贝叶斯分类算法，提取问 类型是国家；问题 “孙 中山生于哪一年?”的预期答案 题的主干词和疑问词及其附属成分作为分类特征进 类型是 日期 。问题分类是 中文问答系统中问题分析 行分类 ，没有充分考虑问句 的语义信息，而且因主干 模块的一个重要步骤 ，对后期的信息检索及答案抽 词数 目众多导致特征 向量维数过高需要较长的处理 取具有很强的指导意义_2]。有 了答案的语义类型 ， 时间。文献[43采用最大熵模型，主要选取问题 的疑 可以有针对性地制定答案抽取策略，提高答案抽取 问词 、句法结构 、疑问意向词及其在知网中的首义原 的准确率。 作为分类特征进行分类 ，虽然考虑了问句的语义信 一 些简单的问句通过疑问词就可以直接决定问 息，但是 ，因为首义原 的抽象程度过高 ，不能精确表 句的类型 ，如英语 中典型 的 5WlH(What，Who， 达问句的语义信息，反而影响分类效果。 When，Where，why，How)的 问题 ，在 中文 中，也 在综合分析上述分类方法 的基础上 ，本文选取 有类似的 “谁”，“~tlUL”这样的疑 问词 。但这种方法 问题疑问词、核心词 的主要义原、命名实体和名词 粒度太粗 ，难以做到对问题类 型的准确划分。为了 单／复数四种问句分类特征，采用支持向量机学习算 满足问答系统的实际需求 ，需要有更加精细和具体 法对事实疑问句进行分类 ，在哈尔滨工业大学信息 的分类方法 。 检索研究室的中文 问题集上的实验表 明，既较准确 一 种常见 的分类方法是基于模式匹配的方法， 地提取了问句的语义特征 ，又 明显降低了特征 向量 该方法对每个类别制定大量的规则 ，通过问题和规 的维数 ，取得了较好的分类效果。 则的模式匹配来确定问题的类别 。这种方法的缺点 是制定规则工作量太大，而且有些 问题可能没有合 1 问题分类体系 适的规则去覆盖 。另一种是基于统计 的方法 ，类似 问题分类可以表示为一种映射函数 ： 于