基于HM-SVMs的问句语义分析模型-计算机应用与软件.PDFVIP

第３３卷第５期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．５ ６ ２０１６年５月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｙ２０１ 基于ＨＭＳＶＭｓ的问句语义分析模型 范士喜　韩喜双　相　洋　陈　毅 （哈尔滨工业大学深圳研究生院　广东深圳５１８０５５） 摘　要　　由于传统的问句语义分析主要针对事实类的简单问句，而对于面向开放域的复杂问句缺少有效的语义分析方法。针对 这种情况，提出一种新的问句语义分析模型。该模型将问句从文字空间映射到结构化的语义空间，实现问句的语义分析和表示。通 过标注问句中的语义信息，模型实现问句分类、问句主题识别、限制信息识别三项分析工作。使用隐马尔科夫支持向量机 （ＨＭＳＶＭｓ）序列化标注工具实现了模型的自动标注，取得了８６．７％的准确率。实验结果表明，ＨＭＳＶＭｓ在标注准确率和效率上好 于ＭＥＭＭ、ＣＲＦ、Ｍ３Ｎ等模型，达到了预期效果。 关键词　　问答系统　问句语义分析　隐马尔科夫支持向量机 中图分类号　ＴＰ１８　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０５．０２１ ＡＱＵＥＳＴＩＯＮＳＥＭＡＮＴＩＣＡＮＡＬＹＳＩＳＭＯＤＥＬＢＡＳＥＤＯＮＨＭＳＶＭｓ ＦａｎＳｈｉｘｉ　ＨａｎＸｉｓｈｕａｎｇ　ＸｉａｎｇＹａｎｇ　ＣｈｅｎＹｉ （ＳｈｅｎｚｈｅｎＧｒａｄｕａｔｅＳｃｈｏｏｌ，ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｓｈｅｎｚｈｅｎ５１８０５５，Ｇｕａｎｇｄｏｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｒａｄｉｔｉｏｎａｌｑｕｅｓｔｉｏｎｓｅｍａｎｔｉｃａｎａｌｙｓｉｓｍａｉｎｌｙｆｏｃｕｓｏｎｓｉｍｐｌｅｑｕｅｓｔｉｏｎｓｉｎｒｅｇａｒｄｔｏｃａｔｅｇｏｒｙｏｆｆａｃｔｓ，ｂｕｔｌａｃｋｓｅｆｆｅｃｔｉｖｅ ｓｅｍａｎｔｉｃａｎａｌｙｓｉｓｍｅｔｈｏｄｆｏｒｏｐｅｎｆｉｅｌｄｏｒｉｅｎｔｅｄｃｏｍｐｌｅｘｑｕｅｓｔｉｏｎｓ．Ｉｎｖｉｅｗｏｆｔｈｉｓ，ｗｅｐｒｅｓｅｎｔａｎｅｗｑｕｅｓｔｉｏｎｓｅｍａｎｔｉｃａｎａｌｙｓｉｓｍｏｄｅｌ．Ｔｈｅ ｍｏｄｅｌｍａｐｓｑｕｅｓｔｉｏｎｓｆｒｏｍｔｅｘｔｓｐａｃｅｏｎｔｏａｓｔｒｕｃｔｕｒｅｄｓｅｍａｎｔｉｃｓｐａｃｅ，ａｎｄａｃｈｉｅｖｅｓｓｅｍａｎｔｉｃａｎａｌｙｓｉｓａｎｄｅｘｐｒｅｓｓｉｏｎｏｆｑｕｅｓｔｉｏｎｓ．Ｂｙ ａｎｎｏｔａｔｉｎｇｓｅｍａｎｔｉｃｉｎｆｏｒｍａｔｉｏｎｉｎｑｕｅｓｔｉｏｎｓｔｈｅｍｏｄｅｌｉｍｐｌｅｍｅｎｔｓｔｈｒｅｅｋｉｎｄｓｏｆａｎａｌｙｓｉｓｗｏｒｋｓｏｆｑｕｅｓｔｉｏｎｓｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｑｕｅｓｔｉｏｎｔｏｐｉｃ ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｒｅｓｔｒｉｃｔｉｖｅｉｎｆｏｒｍａｔｉｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎ．ＷｅｅｍｐｌｏｙｈｉｄｄｅｎＭａｒｋｏｖｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ（ＨＭＳＶＭｓ），ａｓｅｒｉａｌｉｓａｔｉｏｎ ａｎｎｏｔａｔｉｏｎｔｏｏｌ，ｔｏｒｅａｌｉｓｅｔｈｅａｕｔｏｍａｔｉｃａｎｎｏｔａｔｉｏｎｏｆｔｈｅｍｏｄｅｌ，ａｎｄｒｅａｃｈｅｓａｎａｃｃｕｒａｃｙｏｆ８６．７％．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＨＭ ＳＶＭｓｉｓｂｅｔｔｅｒｔｈａｎＭＥＭＭ，ＣＲＦ，Ｍ３Ｎａｎｄｏｔｈｅｒｍｏｄｅｌｓｉｎａｎｎｏｔａｔｉｏｎａｃｃｕｒａｃｙａｎｄｅｆｆｉｃｉｅｎｃｙ，ａｎｄａｃｈｉｅｖｅｓｔｈｅｄｅｓｉｒｅｄｅｆｆｅｃｔ． Ｋｅｙｗｏｒｄｓ　　Ｑ＆Ａｓｙｓｔｅｍ　Ｓｅｍａｎｔｉｃａｎａｌｙｓｉｓｏｆｑｕｅｓｔｉｏｎ　ＨＭＳＶＭｓ 在自然语言中，问句是一类特殊的句子，具有特定的语义功 ０　引　言 能，其表达形式也有其自身的特点。传统的