面向金融领域的中文问句语义块分析方法论文论文.docVIP

国内图书分类号：TP391.3 国际图书分类号：621.3 工学硕士学位论文 面向金融领域的中文问句语义块分析方法  硕士研究生：  熊昌昭 导 师： 王晓龙教授 副 申 请 导 师： 学 位： 陈清财副教授 工学硕士 学 科 、 专 业： 所 在 单 位： 答 辩 日 期： 计算机科学与技术 深圳研究生院 2008 年 12 月 授予学位单位： 哈尔滨工业大学 Classified Index: TP391.3 U.D.C: 621.3 Dissertation for the Master Degree of Engineering CHINESE QUESTION SEMANTIC CHUNK ANALYZING IN FINANCIAL DOMAIN  Candidate: Supervisor: Associate Supervisor: Academic Degree Applied for: Specialty: Affiliation: Date of Defence: Degree-Conferring-Institution:  Changzhao Xiong Prof. Xiaolong Wang Associate Prof. Qingcai Chen Master of Engineering Computer Science Shenzhen Graduate School December, 2008 Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文  摘  要  随着金融业在中国的快速发展，社会对金融领域的信息需求日益扩大， 而传统的搜索引擎又不能很好的满足用户的需要，本文的金融问答系统的研 究便是基于这样的背景。 金融问答系统允许用户以自然语言的方式提问，并向用户返回正确的答 案，所以与传统的搜索引擎相比，问答系统能更好的满足用户的查询需求， 更准确的找到用户需要的答案。本文的研究是基于一种面向真实环境的金融 问答系统，并研究其中最关键的一步：问句分析。 问句分析是问答系统的关键，针对真实环境问答系统中问句的复杂性， 本文提出了使用语义块标注分析问句的方法，该方法考虑了问句功能的特殊 性和问句信息的结构性，依据语义功能将问句的信息分为 5 类：问句主题块、 主题焦点块、疑问信息块、限制信息块和冗余信息块。其中疑问信息块用于 描述问题的分类，共分为 12 类。为实现语义块的自动划分，实际应用中采 用了语义块标注的形式，在特征选择中，除了词特征和词性特征以外，本文 还使用了一种问句句模特征，问句句模是本文通过分析大量问句的表达方式 总结出来的，覆盖了疑问信息块的 12 个类型。通过手工标注，得到了语料 库的初始 18000 个问句，分别通过最大熵模型和最大熵马尔可夫模型为基础 实现了真实问句的语义块的自动标注系统，完成了问句深层次的分析。最后 通过问句复述的识别实验，发现标注语义块的问句比起没有标注语义块的问 句在进行的问句复述实验中的准确率和召回率都有了明显的提高，验证了该 语义块标注分析方法的有效性。 关键字 问句分析；最大熵模型；最大熵马尔可夫模型；语义块 -I- 哈尔滨工业大学工学硕士学位论文 Abstract With the fast development of financial industry in China, a great need of financially-related information comes forth, but traditional search engines cant satisfy users demand of searching, so our research on financial Question and Answering System is base on that background. Financial Question Answering System allows the user to ask questions using natural language and returns precise answers. So, compared with traditional search engines, it can retrieve the most precise answer to satisfy users demand. Based on a Real-world environment oriented financial Question and Answering system, our research dea