問答系統中的文本信息抽取研究與應用.pdf

1、近年來，互聯網的迅速發(fā)展，使得人們能夠在這個平臺上方便地保存數據、交流信息以及共享知識。但是，互聯網中海量的數據給用戶快速準確地獲得這些所需的知識帶來了困難。針對這樣的需求，基于Web的信息檢索和信息抽取逐漸成為了重要的研究課題。當搜索引擎的不足開始凸現，如何將豐富的資源合理地利用，使機器理解其中信息，成為網絡時代機器智能的一大熱門研究課題。在這樣的背景下，建立在信息檢索與信息抽取技術之上的問答技術領域蓬勃發(fā)展起來。問答系統以自然語言的

2、問題取 代關鍵詞作為輸入，允許用戶準確表達自己的需求；將準確的答案短句返回給用戶，節(jié)約了用戶搜索、定位答案的時間。 問答系統按照獲取答案的方式可以分為自動問答系統和交互式問答系統兩種；根據系統所處理的問題的范圍可以分為開放領域問答系統和特定領域問答系統兩種。前者不限輸入的問題范圍，試圖為任意主題內的任意問題尋找答案。后者只接受針對某一個特定領域的問題，往往有此領域內的領域知識作為指導。本文針對信息抽取在問答系統中的應用，

3、圍繞這兩種不同的問答系統展開了研究。對開放領域內的問答，研究了如何加強對問題的語義分析能力、如何更有效地利用歷史數據庫以提高機器智能；對特定領域內的問答，研究了如何更好利用經驗解決新的問題等，以提高問答系統的答案正確率。本文的主要研究內容和創(chuàng)新之處如下： 第一，對問題語義的準確分析是把握用戶需求的關鍵。本文對文本中語義約束信息的識別展開了研究，期望對有信號詞指示的語義約束部分，給出正確的檢測，并對由同一信號詞指示的多種語義約束，

4、給出正確的區(qū)分。為此提出了一種運用依存關系樹比對來檢測文本中多語義約束的方法。對每一類語義約束，搜集信號詞以及相應的例句組成案例庫，并定義部分依存關系樹(PDT)核函數來計算兩個對象之間的相似度。在實際計算過程中，運用Apriori算法，來降低計算該核函數的復雜度。 第二，不管是自動問答系統還是交互式問答系統，都在日積月累的用戶使用中積累了大量的問答數據。為了有效地重用這些歷史數據，本文開展了從歷史問答對中抽取知識的研究，期望將

5、短文本答案的問答對蘊含的知識自動轉化為結構化的知識表達，不斷積累；并使得系統可以憑借積累的知識庫進行查詢檢索，并返回結果。這樣一是可以節(jié)約建造知識庫的人力，二是可以對新問題給出一個參考答案，節(jié)約交互式系統中用戶得到答案的時間。為此本文描述了從問答對到知識庫轉化的工作流程，將語義模板匹配和上述語義約束的識別的工作相結合，來獲取對問題句中知識的提取，并運用以語義網絡為基礎的結構來表達互相聯系互相約束的知識簇。實現了一個用戶交互式的原型系統，

6、演示了上述知識庫積累和使用的過程。 第三，在特定領域內的自動問答中，領域知識起到非常關鍵的作用。在一些領域中，經驗是解答新問題的最好的依據。因此，本文以植物生長環(huán)境的推薦任務為應用場景，對用基于案例推理的方法來重用該領域內的經驗進行了研究。提出了一種學習獲取修正規(guī)則的方法。運用資源空間模型(RSM)和語義鏈接網絡(SLN)來表達和構建案例庫，將案例之間相互聯系起來。以案例比對的方法分析案例庫，以得到修正規(guī)則；案例之間的聯系和基本