多特征融合的中文问答系统答案抽取算法

第28卷第5期2011年10月贵州大学学报（自然科学版）

JournalofGuizhouUniversity（NaturalSciences）Vol．28No．5

Oct．2011

文章编号1000－5269（2011）05－0080－04

多特征融合的中文问答系统答案抽取算法

唐朝霞

摘

*

（淮阴工学院计算机工程学院，江苏淮安223003）

要：随着互联网的迅速发展和Web2．0概念的提出，问答系统以直接返回给用户精确的答案

而逐渐成为一种新的信息检索技术。由于问句都是自然语言的形式，涉及到对问句的语义理解

及相似度的判断。本文提出了一种基于问句的表层和语义相似度计算方法，通过聚类去除冗余信息，再通过熵的特征计算权值，最后融合多种特征计算问句相似度，进行答案抽取。实验证明，这种方法能够有效地提高答案抽取的精度和效率。关键词：问答系统；问句相似度；聚类；答案抽取中图分类号：TP311

文献标识码：A

问答系统是指不需要用户把问题分解成关键词，而直接以自然语言的形式提问，经过系统处理，再从知识库或者互联网上快速搜索出和用户问题对应的答案，然后把答案直接返回给用户，而不是相关的网页。因此问答系统大大降低了用户的使用难度，它比传统的搜索引擎更加方便和高效，是未来搜索引擎发展的一大方向。

国外对于问答系统的研究相对较早，已经开发

如麻省理工的出一些相对成熟的问答系统，

START系统是第一个基于Web的问答系统、密歇DavidWarthen和根州立大学的AnswerBus系统、

GarrettGruener创建的AskJeeves系统等［1］。国内也有许多科研院所投入到问答系统的研

究中，如哈尔滨工业大学秦兵等人开发了基于常问问题集的中文问答系统、清华大学黄寅飞等开发的

北京理工大学樊孝忠等开校园导航系统EasyNav、

［2］

发的银行领域汉语自动问答系统BAQS等。

随着国内外学者的深入研究，目前的问句相似

以抽取答案。相似度，

1

1．1

问句的表层相似度

词形相似度

词形相似度通过计算两个问句的词形即相同

Q2，词的个数来比较相似度。设两个问句Q1、则Q1和Q2的词形相似度为［3］：

WordSim（Q1，Q2）=2×

Same（Q1，Q2）

Len（Q1）+Len（Q2）

（1）

Q2）为Q1、Q2中所含相同词其中：Same（Q1，

Q2中出现多次则算一次；若一个词在Q1、的个数，

Len（Q1）为Q1中词的个数；Len（Q2）为Q2中词的

个数。1．2

长度相似度

问句长度相似度在一定程度上反映了问句形态上的相似性，两问句长度相差越小，相似的可能Q2的长度相似度为［4］：性越大。问句Q1、

|Len（Q1）－Len（Q2）|

LenSim（Q1，Q2）=1－

Len（Q1）+Len（Q2）

（2）

1．3

词序相似度

词序相似度从词的顺序来标注问句的相似性，反映两个问句中所含相同词或同义词在位置关系上的相似程度，以两个问句中所含相同词或同义词

度计算有基于词形词序匹配的方法、基于语义计算

的方法、基于编辑距离的方法等，但答案抽取的准确率不高。本文提出了一种基于多特征融合的方

充分利用问句之间存在的相似信息，在表层和法，

语义两大层次上同时考察问句与候选问句的相似度，对这些特征进行融合，更加准确地衡量问句的

*

收稿日期：2011－07－05

基金项目：江苏省高校自然科学基金（06KJD520024）

Email：zx－tang@163．com．作者简介：唐朝霞（1978－），女，江苏洪泽人，讲师，硕士，研究方向：算法与程序设计，*通讯作者：唐朝霞，Email：zx－tang@163．com．