基于Chunk-CRF的情感问答研究

相对于事实性问答系统而言,观点或情感问答系统的研究除了需要考虑观点持有者及情感倾向性等与情感相关问题以外,其难点还在于答案形式更复杂更分散.从百度知道人工搜集了大量的情感问题,并根据情感问题的特征,统计并归纳了五大情感问题类型.问题分类模式与传统事实性问答系统不同,不能仅仅根据疑问词对其进行分类,还需要考虑到观点以及受众的反应.问题分类使用基于Chunk的CRF模型与规则相结合的情感问题分类方法.在答案抽取时结合组块识别的结果和情感的倾向性,并根据情感问题类型的不同采取不同的方法以获取答案.实验结果表明了评价体系的有效性.

基于双向注意力机制的问答情感分析技术研究

为了能够提高问答情感分析的准确率,文章提出一种基于双向注意力机制的问答情感分析技术,结合问答文本中情感信息这一特点,对问答文本交互情感信息进行捕捉,运用双向长短时记忆网络,分别完成问答文本编码,并基于双向注意力机制获得问答文本情感的各自权重,最后获得基于双向注意力机制的问答情感分析结果。实验研究发现,该分析技术能够达到76%的问答情感分析准确率,FI值最终为62%,在实验中相较其他分析技术的应用效果明显提升。