多领域自然语言问旬理解研究-计算机科学.pdfVIP

Vo1. 44 No. 6 第 44 卷第6 期 计算机科学 2017 年 6 月 COMPUTER SCIENCE June2017 多领域自然语言问旬理解研究 ;台忠林1 贾真1 尹红凤2 (西南交通大学信息科学与技术学院 成都 61003 1) 1 (DOCOMO Innovations 公司 帕罗奥图 94304)2 摘 要 问句理解是问答系统的主要任务之一。现有的问句理解方法大多是针对简单句的，且侧重于某种句式结构 的理解。提出一种多领域问句理解研究方法，其涉及领域包括人物类、电影类、音乐类、图书类、游戏类、应用类。首先 基于 CRF 算法对问句进行分类和主体识别，然后使用谓词词典和句法分析识别出问句的谓词，最后提出一种谓词消 歧方法来解决相同问句具有不同表达方式的问题。实验结果表明，在封闭测试中，所提方法的问句分类和主体识别的 平均 F-measure 值分别为 93.88%和 92.44% ，谓词识别和问句理解的平均准确率分别为 9 1. 03%和 81. 78%。因此， 所做的工作基本能满足问句理解的需求。 关键词 问答系统，问句理解，谓词消歧，问句分类，主体识别 中固法分类号 TP39 1. 1 文献标识码 A DOI 10. 11896/j. issn. 1002-137X. 2017. 06. 036 Research on Multi-domain Natural Language Question Understanding YE Zhong-lin1 jIA Zhen1 YIN Hong-fent (School of Information Science and Technology ,Southwest ]iaotong University ,Chengdu 610031 ,China) 1 (以JCOMO Innovations Incorporation ,Palo Alto 94304 ,USA)2 Abstract Question understanding is one of the main tasks of question answering systern. Current question understan ding methods aim to solve semantic understanding of simple sentences or specific structure sentences. The method pro posed in this paper addresses multi-domain question understanding which includes people ,movie ,music ,book ,game , and application domains. Firstly , the question classification based on CRF algorithm and the subject recognition based on CRF algorithm approach are presented. And then the prediction dictionary and semantic analysis are applied to recognize predictio n. Finally ,the prediction disambiguation met