本文關(guān)鍵詞： 問答系統(tǒng) 排序?qū)W習(xí) Markov邏輯網(wǎng) 受限域 多特征　出處：《昆明理工大學(xué)》2012年碩士論文　論文類型：學(xué)位論文

【摘要】：與傳統(tǒng)搜索引擎相比,問答系統(tǒng)更能符合用戶對所需信息的要求。答案排序是問答系統(tǒng)的一個重要部分,排序結(jié)果的好壞直接決定了系統(tǒng)的性能。影響答案排序的主要因素是答案候選文本中的特征及排序?qū)W習(xí)方法,因此,本文針對特定領(lǐng)域問答特點,就答案排序中的特征選取及融合多特征的學(xué)習(xí)排序方法開展研究,主要完成的工作如下： (1)定義了問句和答案間相關(guān)性的三方面特征：上下文相關(guān)特征,基于密度方法的特征和在線知識庫特征。其中上下文相關(guān)特征包含問句和候選答案間在詞法上的相似性以及問句和候選答案在深層語義上的相似程度等。 (2)構(gòu)建了基于Markov邏輯網(wǎng)的實體類答案排序模型。針對領(lǐng)域問答系統(tǒng)中的事實類和列表類答案的特點,構(gòu)建基于Markov邏輯網(wǎng)的領(lǐng)域類答案排序模型。以謂詞公式來描述問句和候選答案間及答案和知識庫間的相關(guān)特征,并將其融入到Markov邏輯網(wǎng)中,采用判別式訓(xùn)練的學(xué)習(xí)算法學(xué)習(xí)特征參數(shù)的權(quán)值,并用MC-SAT算法進行推理得到問句和答案的相關(guān)度,實現(xiàn)答案排序。基于Markov邏輯網(wǎng)的答案排序方法能夠根據(jù)特征的相關(guān)性不同賦予其不同的權(quán)重,實驗結(jié)果表明,答案準(zhǔn)確率和召回率相對其它方法有較大幅度的提升。 (3)針對云南旅游領(lǐng)域,設(shè)計實現(xiàn)了基于Markov邏輯網(wǎng)的排序?qū)W習(xí)領(lǐng)域問答原型系統(tǒng)。
[Abstract]:Compared with the traditional search engine, question answering system can conform to the user of the information needed. Answer ranking is an important part of question answering system, results directly determine the performance of the system. The main factors affecting the answer ranking is characteristic and ranking learning method, candidate answer in the text so, according to the specific question characteristics, research learning feature ranking method in answer ranking selection and multi feature fusion, the main work is as follows:
(1) defines three characteristics of questions and answers: the correlation between contextual features, feature density method and online knowledge base. Based on the features of the context sensitive features include questions and candidate answers between the lexical similarity between questions and candidate answers and the deep degree of semantic similarity.
(2) to construct the Markov logic network entity answer ranking model based on domain question answering system. According to the characteristics of factoid and list answers, constructing Markov logic network domain class answer ranking model based on. To describe the relevant characteristics of questions and candidate answers and answer and knowledge base to predicate formulas, and it will be integrated into Markov logic network, using discriminative training learning algorithm learning feature weights, and using MC-SAT algorithm of relevance reasoning questions and answers, the answer ranking. Markov logic network answer ranking method can give different weights according to the different characteristics of the correlation based on the experimental results show that the answer, accuracy rate and recall rate relative to other methods have greatly improved.
(3) aiming at the field of tourism in Yunnan, a QA prototype system based on Markov logic network is designed and realized.

【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP391.3

【參考文獻】

相關(guān)期刊論文 前2條

1 唐朝霞;;多特征融合的中文問答系統(tǒng)答案抽取算法[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2011年05期

2 游斕,周雅倩,黃萱菁,吳立德;基于最大熵模型的QA系統(tǒng)置信度評分算法[J];軟件學(xué)報;2005年08期

相關(guān)博士學(xué)位論文 前2條

1 田永鴻;基于上下文的統(tǒng)計關(guān)系學(xué)習(xí)研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2005年

2 陳德品;基于遷移學(xué)習(xí)的跨領(lǐng)域排序?qū)W習(xí)算法研究[D];中國科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前2條

1 胡謙謙;Markov邏輯網(wǎng)及其在社會網(wǎng)絡(luò)中的應(yīng)用研究[D];北京交通大學(xué);2010年

2 黃濤;馬爾可夫邏輯網(wǎng)在Web中的應(yīng)用[D];重慶大學(xué);2010年

，

本文編號：1555418