面向社交群问答对获取的深度学习模型

关注社交群中的问答资源,提出面向社交群的问答对获取方法,主要包括问句识别和答案获取。分析了基于规则和深度学习及结合方法三种问句识别方法的特性;答案获取以深度学习模型为基础,将区分正反例回答同问题的相关度作为学习目标,对各个候选答案与问题的相关度打分排序。引入回答顺序和共现词特征对基础打分作调整进行二次打分排序。实验结果表明,问句识别方法在WebQA、Dbqa和真实小区群聊语料CMY上的F1值分别达到0.930、0.932和0.892;CMY上的问答对获取F1值达到了0.690。

基于改进贝叶斯的领域问答对自动获取

问答对的规模和质量是影响基于常问问题集问答系统性能的重要因素,目前所使用的问答对库一般是人工构建的,往往需要耗费大量的时间和人力物力。针对此问题,提出一种基于改进贝叶斯的领域问答对自动获取方法。该方法将HTML页面解析成DOM树,选择DOM树的节点信息和结构信息作为问答对的分类特征,结合受限领域知识库,利用改进贝叶斯分类模型,从HTML页面中自动获取问答对并过滤出领域问答对。实验结果表明,该方法效果显著。