增强问句和文本交互的答案抽取方法

答案抽取对提高问答的质量和性能有着重要的作用,但现有的答案抽取方法存在问句和文本信息交互的问题。结合上下文的答案抽取模型虽然可以从文本中抽取出给定问题的答案,但这种抽取方法并未考虑文本和问句的信息交互。而只有问句和文本数据时,要从文本中获取更加精准的问句答案,可以利用问句和文本之间的语义信息,预测问句与文本实体之间的关联。基于此,使用问句对齐层和多头注意力机制构建一个交互文本和问句之间的信息模型。实验结果表明,相较于BIDAF-INDEPENDENT模型,改进后模型的EM值和F1值分别提高了1.281%和1.296%。

基于模式学习的中文问答系统答案抽取方法

答案抽取是中文问答系统的关键,而通常答案是借助于问题的答案句子模式抽取得到,由于答案句子模式是语言专家根据语言规则提炼获得,因此非常依赖于专家经验。针对这一局限性,提出了一种利用模式学习来获得中文答案句子模式的方法,该方法利用搜索引擎从互连网上检索相关问题文本,人工提取包含答案的句子段,并标注问题类型及答案,形成各种问题类型的问答训练语料。通过统计学习,提取候选答案句子模式,计算候选句子模式权重,并根据权重获得相应问题类型的答案句子模式。基于事实的问题答案抽取结果表明,提出的基于模式学习的方法有很好的效果,实验答案提取准确率值达到了0.28,学习方法获得的模式基本上覆盖了常规答案句子模式。

基于模式学习的形式化答案抽取技术与置信度评价方法

本文提出一种基于模式学习的形式化答案抽取方法,区别于传统基于特征的答案抽取方法,通过问题模式和答案模式的自动匹配,直接获取问题答案.本文通过机器学习的方法自动生成用于答案抽取的形式化模板,克服了人工方法费时、费力以及覆盖率低等问题.本文创造性地采用逻辑回归的方法对所学习到的模式进行置信度评价.对比实验表明,本文的方法取得了比较好的答案抽取效果.本文方法实际应用于国际TREC QA评测,评测结果证明本文的方法与传统基于特征的答案抽取方法具有很好的互补性.

句法分析和深度神经网络在中文问答系统答案抽取中的研究

答案抽取是问答系统中的核心内容,问题及答案句的句法和语义充分理解是找出答案的关键.由于中文自然语言句法语义分析复杂,人工提取特征难度较大、主观性较强,使之成为中文问答系统的研究重点和难点.为此本文提出利用深度学习的思想主动学习候选答案深度特征,将答案抽取问题转化为特征学习与分类问题.即用词向量表征问题句和答案句,通过长短时记忆神经网络主动学习其深层语义相关,借助依存句法树分析句法结构特征,构造深度神经网络学习问题句、答案句和候选答案之间的内在关联信息.实验表明,该方法在不需要制定繁琐句法语义特征的条件下,仍具有较好的答案抽取性能,MRR值达到0.71.

基于答案模式和语义特征融合的答案抽取方法

答案抽取是问答系统的关键技术。根据对问题-答案的分析可知,它们之间不仅存在语义上的相似性,而且还有句法上的关联性。提出了一种基于问题-答案之间句法模式和句子语义二元特征融合的答案抽取方法。通过对不同的特征赋予不同的权值来调节各特征对答案抽取准确率计算的贡献。与其他方法相比,描述答案的信息更加全面,答案抽取更加准确。

改进的基于模式匹配的答案抽取方法

开放领域的问答系统是自然语言处理领域中具有挑战性的研究方向。答案抽取是问答系统的关键,在基于模式匹配的答案抽取方法中,答案是借助于问题的答案模式抽取得到,因此,答案模式的评价对候选答案排序及答案的最终选择起着决定性的作用。参照传统的答案模式评价方法,提出一种改进的模式评价方法,分别在传统和改进两种答案模式评价方法下进行了答案抽取实验。实验结果表明应用改进的答案模式评价方法,答案抽取性能明显提高。

基于语义摘要的农业方式型问句答案抽取

本文针对农业问答系统中方式型问句的答案抽取，提出了利用语义文摘方式从相关文档中抽取方式型问句的答案。首先，由于同一类问句的答案中包含大量相同词语，利用一个主题词选择方式型问题主题段落；然后基于语义抽取候选答案；最后，采用计算问句和答案中谓语动词的语义相似度对答案排序。实验结果表明，本文基于语义的农业方式型问句答案抽取方法的有效性，能够满足用户的需求。

多特征融合的中文问答系统答案抽取算法

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。

基于加权潜在语义分析的答案抽取

问答系统应该能够用准确、简洁的语言回答用户用自然语言提出的问题,其关键和核心实现技术是答案抽取。结合关键词在用户问句和返回文档中的权重,通过潜在语义分析技术实现了中文问答系统中的答案抽取。实验结果表明,加权LSA的MRR值要明显优于未加权LSA和空间向量模型的MRR值,实际用于回答用户提出的问题具有较好的效果。

一种基于形式概念分析的问答系统答案抽取的研究

为了在问答系统中尝试回答更加复杂的问题,有必要存在一种原理性的方法来动态产生不同的问答策略。提出在问答系统中使用形式概念分析(FCA)来抽取答案。在抽取过程中,首先在常问问题集(FAQs)中寻找已经存在的问题,如果在FAQs中的答案不满足用户的需求,再通过搜索引擎获取相关的文档。接着利用这些文档中前N个文档构建概念格,进而采用概念匹配在格中抽取答案。对于不同的问题,使用不同的策略进行匹配和抽取答案。

基于依存语义的答案抽取应用

为了提高答案抽取应用中定位候选答案的准确性,提出了一种基于依存语义检测的答案抽取应用系统(DIAES)。该系统通过将句子的语义结构表示成基于依存语义关系的最小逻辑形式,并以此评价候选答案的语义结构相似度案,具有复杂度低、抽取精度高等优点。

基于招生咨询域的问答系统中答案抽取的研究

中国每年高考的考生教百万之巨，很多考生和家长对高考有这样或那样的问题，信息量需求非常大。开发基于招生咨询领域的自动问答系统是非常具有现实意义的。该文设计了一种基于招生咨询领域的自动系统，把蕴涵丰富招生咨询方面材料的文档库与常问问题答案库（FAQ）相结合，采用信息检索和答案抽取技术相结合，实现了从文档中自动得到答案的策略。

中文问答系统中答案抽取的研究

答案抽取是开放领域问答系统中的关键部分,主要由检索结果句子的重排和最终候选实体的抽取构成。通过把依存分析到引入到这两个步骤中,并结合改进的关键词密度算法,增强了对句法和语义知识的利用和系统的鲁棒性,在实验中答案抽取的效果明显提高。

基于遗传算法的综合答案抽取及评价方法

在答案抽取过程中,需要对答案候选集按句子的相似度进行排序,抽取出相似度大于阈值的答案,为了提高答案抽取的各项指标并使之更均衡,提出了一种综合答案抽取和评价的方法。通过对句子的多个特征进行分析,在综合这些答案抽取算法的基础上,对答案的准确率和召回率的评价指标综合考量。实践证明遗传算法是一种简单有效的优化算法,应用遗传算法对句子相似度特征权重做优化,使权重的分配更加合理,从而计算结果达到最优。

藏文问答系统中答案抽取算法的研究

该文提出了藏文问答系统中答案抽取的算法,即采用了基于相同词汇的句子相似度算法和基于关键词的相似度算法相结合的算法来抽取最佳的答案。

中文问答系统答案抽取的研究

中文问答系统是随着互联网的迅速发展和普及而产生的一项新的应用研究。针对传统搜索引擎存在的诸多弊端，问答系统要求用户以自然语言的形式进行提问，并将精确的答案快速地返回给用户，而不是包含大量无关信息的文档和网页。问答系统包含三个核心模块：问题分析、信息检索和答案抽取，作为问答系统中的一个核心模块，答案抽取模块性能的优劣直接影响着整个问答系统的性能，所以本文将对答案抽取进行重点研究。

基于推理现象识别的答案抽取

答案抽取是问答系统的核心任务之一。为了改进答案抽取性能,本文提出一种基于推理现象的答案抽取方法,该方法通过分析问句和检索候选句间的推理现象,进而判断两个句子间的蕴涵关系,并据此抽取候选答案。该方法的特点在于,首先从局部上把握两者所包含的推理关系,然后基于此从整体上分析问题与答案句的关系,以此作为答案抽取的依据。实验表明,本文方法能够在一定程度上改进答案抽取的性能。

中小学藏语文问答系统中答案抽取算法的研究

该文提出了中小学藏语文问答系统中答案抽取算法,即采用了基于关键词的相似度算法来抽取最佳的答案。

答案抽取的机器学习实现

本篇论文实现了简单的问答系统实现,从文本库中检索到与问题最相关的文档(可以是一个或者多个)。然后对文档中的候选答案句进行排序,抽取出最相关的候选答案句。最后,在最相关的候选答案句中抽取最精简的答案,这个答案可能是一个词或者几个词。

旅游领域实体答案的抽取

提出一种基于模式匹配与命名实体识别相结合的领域答案抽取方法,该方法用答案模式串、答案模式权值和答案类型三要素来定义并构建答案模式库,结合旅游领域命名实体识别方法和模式匹配方法,实现了旅游领域实体答案的抽取。在旅游领域进行实体答案抽取实验,取得了较好的效果,其中召回率达88.78%,准确率达86.04%。