--吉林大學(xué)2010年碩士論文中文問(wèn)答系統(tǒng)中答案抽取的研究與實(shí)現(xiàn)--吉林大學(xué)2010年碩士論文中文問(wèn)答系統(tǒng)中答案抽取的目錄目錄提要

在答案抽取的研究中，本文采納了一種基于規(guī)則改進(jìn)的問(wèn)題分類(lèi)方法，而后提出了一種基于依存樹(shù)的語(yǔ)義匹配相似度算法，對(duì)問(wèn)題句與候選答案句進(jìn)行相似度計(jì)算，根據(jù)相似度的高低對(duì)答案進(jìn)行抽取，最后通過(guò)具體的實(shí)驗(yàn)實(shí)現(xiàn)了答案抽取的全過(guò)程。

實(shí)驗(yàn)結(jié)果表明，在保證問(wèn)題分析模塊問(wèn)題分類(lèi)準(zhǔn)確的情況下，得到用戶(hù)所需答案的準(zhǔn)確率可以達(dá)到92%以上，相比其它算法有效地提高了答案抽取的準(zhǔn)確度。提要在答案抽取的研究中，本文采納了一種基于規(guī)則改進(jìn)的問(wèn)人們期待更快速準(zhǔn)確的搜索技術(shù)出現(xiàn)；據(jù)統(tǒng)計(jì)，人們花費(fèi)在答案抽取的時(shí)間很長(zhǎng)；傳統(tǒng)的搜索引擎有很多弊端；問(wèn)答系統(tǒng)因此產(chǎn)生。緒論—背景與意義人們期待更快速準(zhǔn)確的搜索技術(shù)出現(xiàn)；緒論—背景與意義

問(wèn)答系統(tǒng)主要包括問(wèn)題分析、信息檢索和答案抽取3個(gè)主要模塊。

問(wèn)題分析模塊的主要工作包括對(duì)問(wèn)題進(jìn)行分類(lèi)、抽取問(wèn)題的關(guān)鍵詞、對(duì)關(guān)鍵詞進(jìn)行擴(kuò)展等;信息檢索模塊的主要任務(wù)是對(duì)文檔庫(kù)或網(wǎng)絡(luò)搜索引擎進(jìn)行檢索，返回一些與問(wèn)題相關(guān)的文檔或網(wǎng)頁(yè);

答案抽取模塊的主要任務(wù)則是對(duì)信息檢索模塊得到的候選文檔或網(wǎng)頁(yè)進(jìn)行處理，得到問(wèn)題的候選答案集，并通過(guò)一定的算法從候選答案集中抽取出正確答案。緒論—背景與意義問(wèn)答系統(tǒng)主要包括問(wèn)題分析、信息檢索和答案抽取3個(gè)主要模塊答案抽取的基本步驟一般如下:①把從信息檢索模塊得到的候選文檔或網(wǎng)頁(yè)進(jìn)行處理，切分成單個(gè)句子，作為候選答案集。②根據(jù)問(wèn)題的類(lèi)型，對(duì)候選答案集進(jìn)一步處理，排除兀余的句子，減少候選答案的空間。③應(yīng)用相似度計(jì)算算法，計(jì)算候選答案句與問(wèn)題句的相似度。④根據(jù)相似度的高低對(duì)候選答案進(jìn)行排序，返回相似高的句子。對(duì)于答案為一個(gè)詞的問(wèn)題，根據(jù)問(wèn)題的類(lèi)型，采用相應(yīng)的抽取策略，對(duì)返回的答案句進(jìn)行分析，可能需要進(jìn)行命名實(shí)體的識(shí)別工作，來(lái)返回精確的答案。緒論—簡(jiǎn)介答案抽取的基本步驟一般如下:緒論—簡(jiǎn)介本文所要做的具體工作:1.問(wèn)題分析模塊的處理:通過(guò)改進(jìn)規(guī)則對(duì)問(wèn)題進(jìn)行分類(lèi)，通過(guò)對(duì)問(wèn)句進(jìn)行詞法分析和句法分析，抽取和擴(kuò)展問(wèn)題關(guān)鍵詞，必要時(shí)對(duì)重寫(xiě)問(wèn)句，為答案抽取的研究做好準(zhǔn)備工作。

2.信息檢索模塊的處理:將擴(kuò)展后的關(guān)鍵詞提交給Google搜索引擎，返回與問(wèn)題相關(guān)的文檔和網(wǎng)頁(yè)。

3.答案抽取模塊的處理:對(duì)返回的相關(guān)文檔和網(wǎng)頁(yè)進(jìn)行處理，形成問(wèn)題的候選答案集，對(duì)問(wèn)題句和候選答案句進(jìn)行句法分析，計(jì)算問(wèn)題句和候選答案句的相似度，以相似度的高低排序候選答案，根據(jù)相應(yīng)的答案抽取策略，返回問(wèn)題的答案。緒論—本文的工作本文所要做的具體工作:緒論—本文的工作問(wèn)答系統(tǒng)包含三個(gè)核心模塊:問(wèn)題分析、信息檢索和答案抽取。模塊之間的關(guān)系如圖所示:緒論—問(wèn)答系統(tǒng)問(wèn)答系統(tǒng)包含三個(gè)核心模塊:問(wèn)題分析、信息檢索和答案抽取。模塊答案抽取模塊的工作流程如下：①把從信息檢索模塊得到的候選文檔或網(wǎng)頁(yè)切分成句子，作為候選答案集。②根據(jù)問(wèn)題的類(lèi)型，對(duì)候選答案集進(jìn)一步處理，排除冗余的句子，減少候選答案的空間。③應(yīng)用相似度計(jì)算算法，計(jì)算候選答案句與問(wèn)題句的相似度。④根據(jù)相似度的高低對(duì)候選答案進(jìn)行排序，返回相似高的句子。⑤對(duì)相似度高的句子進(jìn)行重新分析，根據(jù)問(wèn)題的類(lèi)型所對(duì)應(yīng)的抽取策略，返回給用戶(hù)需要的答案?；诰浞ǚ治龅拇鸢赋槿∷惴ù鸢赋槿∧K的工作流程如下：基于句法分析的答案抽取算法在第③步中進(jìn)行相似度計(jì)算時(shí)，需要進(jìn)行如下考慮：為了使相似度的計(jì)算更加準(zhǔn)確，需要對(duì)句子進(jìn)行句法分析，得到句子中的關(guān)鍵詞，和關(guān)鍵詞有相同語(yǔ)義的詞語(yǔ)，有時(shí)還需要考慮詞語(yǔ)之間的順序，以及各個(gè)詞語(yǔ)之間的相互依存關(guān)系，根據(jù)詞語(yǔ)的重要程度，為不同的詞語(yǔ)設(shè)置不同的權(quán)重?；诰浞ǚ治龅拇鸢赋槿∷惴ㄔ诘冖鄄街羞M(jìn)行相似度計(jì)算時(shí)，需要進(jìn)行如下考慮：比較典型的算法有以下幾種：（1）基于模式匹配的算法原理是：根據(jù)問(wèn)題的類(lèi)型，制定不同類(lèi)型問(wèn)題的答案模板。由于答案模板的覆蓋率是有限的，因此這種算法的匹配程度不是很高。（2）基于信息檢索和信息抽取的算法此算法主要是基于關(guān)鍵詞來(lái)進(jìn)行檢索，它只考慮離散的詞語(yǔ)，沒(méi)有對(duì)句子的句法進(jìn)行更深層次的分析，沒(méi)有考慮詞語(yǔ)與詞語(yǔ)之間的順序以及各個(gè)詞語(yǔ)之間的相互依存關(guān)系，僅使用了匹配詞與候選答案詞的距離這一個(gè)特征，注定抽取出來(lái)的結(jié)果不會(huì)是很精確的答案。答案抽取算法介紹比較典型的算法有以下幾種：答案抽取算法介紹比較典型的算法有以下幾種：（3）基于統(tǒng)計(jì)學(xué)習(xí)的算法基于統(tǒng)計(jì)的方法主要對(duì)測(cè)試集進(jìn)行訓(xùn)練，來(lái)構(gòu)建隱馬爾可夫模型或支持向量空間模型的方法，通過(guò)分析問(wèn)句與答案句的各種相關(guān)特征，計(jì)算句子作為正確答案的概率。（4）基于自然語(yǔ)言處理的算法此算法主要是在對(duì)句子進(jìn)行處理后，把每個(gè)句子表示成一個(gè)向量，通過(guò)對(duì)問(wèn)題句與答案句進(jìn)行相似度計(jì)算，返回相似度高的句子，然后再把返回的句子，根據(jù)問(wèn)題的類(lèi)型進(jìn)行處理，返回給用戶(hù)所需要的答案。答案抽取算法介紹比較典型的算法有以下幾種：答案抽取算法介紹每種答案抽取算法都有一定的弊端，現(xiàn)在所研究的答案抽取算法基本都是對(duì)句子進(jìn)行句法分析處理基礎(chǔ)之上的，得到的準(zhǔn)確率是非常高的，因此本文提出了基于依存樹(shù)的語(yǔ)義匹配相似度算法。答案抽取算法介紹每種答案抽取算法都有一定的弊端，現(xiàn)在所研究的答案抽

在進(jìn)行相似度計(jì)算對(duì)答案抽取之前，首先要對(duì)句子做更深層的處理，對(duì)句子進(jìn)行句法和語(yǔ)義分析。通過(guò)詞與詞之間的相互依賴(lài)關(guān)系對(duì)句子進(jìn)行句法分析是目前研究句子結(jié)構(gòu)和語(yǔ)義的主要方法之一。

在進(jìn)行相似度計(jì)算時(shí)，盡量先對(duì)句子進(jìn)行預(yù)處理，去除一些不必要的修飾詞，得到兩個(gè)意思相同的句子。句法依存結(jié)構(gòu)分析在進(jìn)行相似度計(jì)算對(duì)答案抽取之前，首先要對(duì)句子做更

相似度是一個(gè)0、1之間的浮點(diǎn)數(shù)，兩個(gè)句子經(jīng)過(guò)相似度計(jì)算得到的結(jié)果越大，則表示兩者之間的匹配程度越高，例如：“我喜歡吃土豆”“我愛(ài)吃馬鈴薯”在經(jīng)過(guò)語(yǔ)義分析之后，計(jì)算兩者的相似度得到的結(jié)果為1，這樣得出結(jié)論兩者的語(yǔ)義是完全相同的。中文句子相似度計(jì)算相似度是一個(gè)0、1之間的浮點(diǎn)數(shù)，兩個(gè)句子經(jīng)過(guò)相似度的計(jì)算方法分為以下幾種：（1）基于關(guān)鍵詞的相似度計(jì)算這種計(jì)算方法對(duì)句子進(jìn)行分詞處理后，把句子看成詞的線性序列，只是根據(jù)句子中的單詞出現(xiàn)的頻率等相關(guān)信息來(lái)計(jì)算句子的相似度。

把兩個(gè)句子之間相互匹配的問(wèn)題轉(zhuǎn)化為向量空間中兩個(gè)向量之間相互匹配的問(wèn)題，兩個(gè)句子的相似度可以用兩個(gè)空間向量之間的夾角來(lái)衡量，夾角越小相似度越高。有一定的局限性中文句子相似度計(jì)算相似度的計(jì)算方法分為以下幾種：中文句子相似度計(jì)算（2）基于語(yǔ)義的相似度計(jì)算采用基于語(yǔ)義詞典進(jìn)行計(jì)算。首先要計(jì)算句子中各個(gè)詞語(yǔ)之間的相似度，然后通過(guò)詞語(yǔ)之間的相似度再去計(jì)算句子的相似度。對(duì)句子進(jìn)行分詞和去除冗余信息處理后，在《同義詞詞林》中查找這些關(guān)鍵詞的語(yǔ)義編碼，通過(guò)對(duì)編碼進(jìn)行分析來(lái)計(jì)算詞與詞之間的語(yǔ)義距離。

評(píng)價(jià)：這種方法需要一定的語(yǔ)義資源作為基礎(chǔ)，而且沒(méi)有考慮詞語(yǔ)在句子中的權(quán)重，實(shí)用性是不很高。但由于語(yǔ)義資源的統(tǒng)計(jì)還不是很全面，也沒(méi)有考慮到句子的成分以及各詞語(yǔ)之間的依存關(guān)系，因此相似度的計(jì)算還是有一定的誤差。中文句子相似度計(jì)算（2）基于語(yǔ)義的相似度計(jì)算中文句子相似度計(jì)算（3）基于句法的搭配詞對(duì)的相似度的計(jì)算舉例說(shuō)明：句子1：許多優(yōu)秀的人才都被送往國(guó)外學(xué)習(xí)。

句子2：越來(lái)越多的人才都被送到了國(guó)外。經(jīng)過(guò)對(duì)依存關(guān)系的分析和一些詞語(yǔ)的處理后，得到句子S1中有效詞搭配對(duì)：送往-人才，送往-國(guó)外，送往-學(xué)習(xí)。句子S2中有效詞搭配對(duì)：送到-人才，送到-國(guó)外。有效搭配詞對(duì)匹配權(quán)重加入同義詞的處理，相似度有了一定程度的提高。中文句子相似度計(jì)算（3）基于句法的搭配詞對(duì)的相似度的計(jì)算中文句子相似度計(jì)算（4）基于依存樹(shù)的語(yǔ)義匹配相似度算法在本算法中，重新生成一個(gè)依存樹(shù)，該依存樹(shù)的根節(jié)點(diǎn)為核心詞，孩子結(jié)點(diǎn)為那些依附于核心詞的詞語(yǔ)，這樣得到一個(gè)高度為s的依存樹(shù)，然后分層來(lái)計(jì)算依存樹(shù)的語(yǔ)義距離和相似度，只考慮依存樹(shù)的前兩層。

中文句子相似度計(jì)算（4）基于依存樹(shù)的語(yǔ)義匹配相似度算法中文句子相似度計(jì)算（4）基于依存樹(shù)的語(yǔ)義匹配相似度算法假設(shè)第一個(gè)依存樹(shù)的第二層有m個(gè)孩子結(jié)點(diǎn)，第二個(gè)依存樹(shù)的第二層有n個(gè)孩子結(jié)點(diǎn)，分別計(jì)算依存樹(shù)S1到依存樹(shù)S2的第二層之間的相似度，同理計(jì)算出依存樹(shù)S2到依存樹(shù)S1的第二層之間的相似度，兩者取平均值得到兩棵依存樹(shù)第二層之間的相似度，然后對(duì)每一層設(shè)置一定的權(quán)重，綜合每層的相似度得到兩個(gè)句子的之間相似度。中文句子相似度計(jì)算（4）基于依存樹(shù)的語(yǔ)義匹配相似度算法中文句子相似度計(jì)算基本步驟如下：Step1：首先對(duì)問(wèn)題進(jìn)行分析，對(duì)問(wèn)句進(jìn)行分詞和詞性標(biāo)注處理。Step2：對(duì)問(wèn)題進(jìn)行分類(lèi)，制定相應(yīng)的答案抽取策略。Step3：抽取進(jìn)行查詢(xún)的關(guān)鍵詞。Step4：利用《同義詞詞林》，擴(kuò)展關(guān)鍵詞。Step5：進(jìn)行信息抽取模塊的處理，把第3步和第4步得到的問(wèn)題關(guān)鍵詞輸入到Google網(wǎng)絡(luò)搜索引擎中，得到一些與問(wèn)題相關(guān)文檔信息。Step6：對(duì)搜索出的前五個(gè)相關(guān)文檔進(jìn)行處理，得到一些以問(wèn)題相關(guān)的獨(dú)立的句子，即為測(cè)試的答案候選集，用于后面進(jìn)行相似度的計(jì)算。Step7：利用相似度算法，計(jì)算問(wèn)句與候選答案句的之間的相似度。Step8：根據(jù)相似度的高低，對(duì)候選答案句進(jìn)行排序，返回相似度高的答案句作為問(wèn)題的答案。Step9：根據(jù)問(wèn)題類(lèi)型，形成答案。實(shí)驗(yàn)方法與步驟基本步驟如下：實(shí)驗(yàn)方法與步驟（1）問(wèn)題分類(lèi)實(shí)驗(yàn)分析（2）相似度計(jì)算算法實(shí)驗(yàn)分析選取問(wèn)題集中的437個(gè)問(wèn)題計(jì)算最高相似度的平均值實(shí)驗(yàn)結(jié)果分析（1）問(wèn)題分類(lèi)實(shí)驗(yàn)分析實(shí)驗(yàn)結(jié)果分析（2）相似度計(jì)算算法實(shí)驗(yàn)分析本文對(duì)語(yǔ)義樹(shù)的層次進(jìn)行分析，對(duì)于每個(gè)層次給出不同的權(quán)值，權(quán)值的確定是在實(shí)驗(yàn)的過(guò)程中所確定的，在實(shí)驗(yàn)中設(shè)置幾組權(quán)值a、b的值，然后分別計(jì)算出語(yǔ)句的相似度，然后計(jì)算出平均相似度。實(shí)驗(yàn)結(jié)果分析（2）相似度計(jì)算算法實(shí)驗(yàn)分析實(shí)驗(yàn)結(jié)果分析在今后中文問(wèn)答系統(tǒng)研究中，還有很多工作要做：（1）問(wèn)題分析模塊中分詞和詞性標(biāo)注準(zhǔn)確度的提高（2）問(wèn)題分類(lèi)算法的研究（3）答案抽取算法的研究句法分析研究需要深入答案抽取算法改進(jìn)展望在今后中文問(wèn)答系統(tǒng)研究中，還有很多工作要做：展望ThankYou！謝謝聆聽(tīng)ThankYou！謝謝聆聽(tīng)--吉林大學(xué)2010年碩士論文中文問(wèn)答系統(tǒng)中答案抽取的研究與實(shí)現(xiàn)--吉林大學(xué)2010年碩士論文中文問(wèn)答系統(tǒng)中答案抽取的目錄目錄提要

在答案抽取的研究中，本文采納了一種基于規(guī)則改進(jìn)的問(wèn)題分類(lèi)方法，而后提出了一種基于依存樹(shù)的語(yǔ)義匹配相似度算法，對(duì)問(wèn)題句與候選答案句進(jìn)行相似度計(jì)算，根據(jù)相似度的高低對(duì)答案進(jìn)行抽取，最后通過(guò)具體的實(shí)驗(yàn)實(shí)現(xiàn)了答案抽取的全過(guò)程。

實(shí)驗(yàn)結(jié)果表明，在保證問(wèn)題分析模塊問(wèn)題分類(lèi)準(zhǔn)確的情況下，得到用戶(hù)所需答案的準(zhǔn)確率可以達(dá)到92%以上，相比其它算法有效地提高了答案抽取的準(zhǔn)確度。提要在答案抽取的研究中，本文采納了一種基于規(guī)則改進(jìn)的問(wèn)人們期待更快速準(zhǔn)確的搜索技術(shù)出現(xiàn)；據(jù)統(tǒng)計(jì)，人們花費(fèi)在答案抽取的時(shí)間很長(zhǎng)；傳統(tǒng)的搜索引擎有很多弊端；問(wèn)答系統(tǒng)因此產(chǎn)生。緒論—背景與意義人們期待更快速準(zhǔn)確的搜索技術(shù)出現(xiàn)；緒論—背景與意義

問(wèn)答系統(tǒng)主要包括問(wèn)題分析、信息檢索和答案抽取3個(gè)主要模塊。

問(wèn)題分析模塊的主要工作包括對(duì)問(wèn)題進(jìn)行分類(lèi)、抽取問(wèn)題的關(guān)鍵詞、對(duì)關(guān)鍵詞進(jìn)行擴(kuò)展等;信息檢索模塊的主要任務(wù)是對(duì)文檔庫(kù)或網(wǎng)絡(luò)搜索引擎進(jìn)行檢索，返回一些與問(wèn)題相關(guān)的文檔或網(wǎng)頁(yè);

答案抽取模塊的主要任務(wù)則是對(duì)信息檢索模塊得到的候選文檔或網(wǎng)頁(yè)進(jìn)行處理，得到問(wèn)題的候選答案集，并通過(guò)一定的算法從候選答案集中抽取出正確答案。緒論—背景與意義問(wèn)答系統(tǒng)主要包括問(wèn)題分析、信息檢索和答案抽取3個(gè)主要模塊答案抽取的基本步驟一般如下:①把從信息檢索模塊得到的候選文檔或網(wǎng)頁(yè)進(jìn)行處理，切分成單個(gè)句子，作為候選答案集。②根據(jù)問(wèn)題的類(lèi)型，對(duì)候選答案集進(jìn)一步處理，排除兀余的句子，減少候選答案的空間。③應(yīng)用相似度計(jì)算算法，計(jì)算候選答案句與問(wèn)題句的相似度。④根據(jù)相似度的高低對(duì)候選答案進(jìn)行排序，返回相似高的句子。對(duì)于答案為一個(gè)詞的問(wèn)題，根據(jù)問(wèn)題的類(lèi)型，采用相應(yīng)的抽取策略，對(duì)返回的答案句進(jìn)行分析，可能需要進(jìn)行命名實(shí)體的識(shí)別工作，來(lái)返回精確的答案。緒論—簡(jiǎn)介答案抽取的基本步驟一般如下:緒論—簡(jiǎn)介本文所要做的具體工作:1.問(wèn)題分析模塊的處理:通過(guò)改進(jìn)規(guī)則對(duì)問(wèn)題進(jìn)行分類(lèi)，通過(guò)對(duì)問(wèn)句進(jìn)行詞法分析和句法分析，抽取和擴(kuò)展問(wèn)題關(guān)鍵詞，必要時(shí)對(duì)重寫(xiě)問(wèn)句，為答案抽取的研究做好準(zhǔn)備工作。

2.信息檢索模塊的處理:將擴(kuò)展后的關(guān)鍵詞提交給Google搜索引擎，返回與問(wèn)題相關(guān)的文檔和網(wǎng)頁(yè)。

3.答案抽取模塊的處理:對(duì)返回的相關(guān)文檔和網(wǎng)頁(yè)進(jìn)行處理，形成問(wèn)題的候選答案集，對(duì)問(wèn)題句和候選答案句進(jìn)行句法分析，計(jì)算問(wèn)題句和候選答案句的相似度，以相似度的高低排序候選答案，根據(jù)相應(yīng)的答案抽取策略，返回問(wèn)題的答案。緒論—本文的工作本文所要做的具體工作:緒論—本文的工作問(wèn)答系統(tǒng)包含三個(gè)核心模塊:問(wèn)題分析、信息檢索和答案抽取。模塊之間的關(guān)系如圖所示:緒論—問(wèn)答系統(tǒng)問(wèn)答系統(tǒng)包含三個(gè)核心模塊:問(wèn)題分析、信息檢索和答案抽取。模塊答案抽取模塊的工作流程如下：①把從信息檢索模塊得到的候選文檔或網(wǎng)頁(yè)切分成句子，作為候選答案集。②根據(jù)問(wèn)題的類(lèi)型，對(duì)候選答案集進(jìn)一步處理，排除冗余的句子，減少候選答案的空間。③應(yīng)用相似度計(jì)算算法，計(jì)算候選答案句與問(wèn)題句的相似度。④根據(jù)相似度的高低對(duì)候選答案進(jìn)行排序，返回相似高的句子。⑤對(duì)相似度高的句子進(jìn)行重新分析，根據(jù)問(wèn)題的類(lèi)型所對(duì)應(yīng)的抽取策略，返回給用戶(hù)需要的答案。基于句法分析的答案抽取算法答案抽取模塊的工作流程如下：基于句法分析的答案抽取算法在第③步中進(jìn)行相似度計(jì)算時(shí)，需要進(jìn)行如下考慮：為了使相似度的計(jì)算更加準(zhǔn)確，需要對(duì)句子進(jìn)行句法分析，得到句子中的關(guān)鍵詞，和關(guān)鍵詞有相同語(yǔ)義的詞語(yǔ)，有時(shí)還需要考慮詞語(yǔ)之間的順序，以及各個(gè)詞語(yǔ)之間的相互依存關(guān)系，根據(jù)詞語(yǔ)的重要程度，為不同的詞語(yǔ)設(shè)置不同的權(quán)重。基于句法分析的答案抽取算法在第③步中進(jìn)行相似度計(jì)算時(shí)，需要進(jìn)行如下考慮：比較典型的算法有以下幾種：（1）基于模式匹配的算法原理是：根據(jù)問(wèn)題的類(lèi)型，制定不同類(lèi)型問(wèn)題的答案模板。由于答案模板的覆蓋率是有限的，因此這種算法的匹配程度不是很高。（2）基于信息檢索和信息抽取的算法此算法主要是基于關(guān)鍵詞來(lái)進(jìn)行檢索，它只考慮離散的詞語(yǔ)，沒(méi)有對(duì)句子的句法進(jìn)行更深層次的分析，沒(méi)有考慮詞語(yǔ)與詞語(yǔ)之間的順序以及各個(gè)詞語(yǔ)之間的相互依存關(guān)系，僅使用了匹配詞與候選答案詞的距離這一個(gè)特征，注定抽取出來(lái)的結(jié)果不會(huì)是很精確的答案。答案抽取算法介紹比較典型的算法有以下幾種：答案抽取算法介紹比較典型的算法有以下幾種：（3）基于統(tǒng)計(jì)學(xué)習(xí)的算法基于統(tǒng)計(jì)的方法主要對(duì)測(cè)試集進(jìn)行訓(xùn)練，來(lái)構(gòu)建隱馬爾可夫模型或支持向量空間模型的方法，通過(guò)分析問(wèn)句與答案句的各種相關(guān)特征，計(jì)算句子作為正確答案的概率。（4）基于自然語(yǔ)言處理的算法此算法主要是在對(duì)句子進(jìn)行處理后，把每個(gè)句子表示成一個(gè)向量，通過(guò)對(duì)問(wèn)題句與答案句進(jìn)行相似度計(jì)算，返回相似度高的句子，然后再把返回的句子，根據(jù)問(wèn)題的類(lèi)型進(jìn)行處理，返回給用戶(hù)所需要的答案。答案抽取算法介紹比較典型的算法有以下幾種：答案抽取算法介紹每種答案抽取算法都有一定的弊端，現(xiàn)在所研究的答案抽取算法基本都是對(duì)句子進(jìn)行句法分析處理基礎(chǔ)之上的，得到的準(zhǔn)確率是非常高的，因此本文提出了基于依存樹(shù)的語(yǔ)義匹配相似度算法。答案抽取算法介紹每種答案抽取算法都有一定的弊端，現(xiàn)在所研究的答案抽

在進(jìn)行相似度計(jì)算對(duì)答案抽取之前，首先要對(duì)句子做更深層的處理，對(duì)句子進(jìn)行句法和語(yǔ)義分析。通過(guò)詞與詞之間的相互依賴(lài)關(guān)系對(duì)句子進(jìn)行句法分析是目前研究句子結(jié)構(gòu)和語(yǔ)義的主要方法之一。

在進(jìn)行相似度計(jì)算時(shí)，盡量先對(duì)句子進(jìn)行預(yù)處理，去除一些不必要的修飾詞，得到兩個(gè)意思相同的句子。句法依存結(jié)構(gòu)分析在進(jìn)行相似度計(jì)算對(duì)答案抽取之前，首先要對(duì)句子做更

相似度是一個(gè)0、1之間的浮點(diǎn)數(shù)，兩個(gè)句子經(jīng)過(guò)相似度計(jì)算得到的結(jié)果越大，則表示兩者之間的匹配程度越高，例如：“我喜歡吃土豆”“我愛(ài)吃馬鈴薯”在經(jīng)過(guò)語(yǔ)義分析之后，計(jì)算兩者的相似度得到的結(jié)果為1，這樣得出結(jié)論兩者的語(yǔ)義是完全相同的。中文句子相似度計(jì)算相似度是一個(gè)0、1之間的浮點(diǎn)數(shù)，兩個(gè)句子經(jīng)過(guò)相似度的計(jì)算方法分為以下幾種：（1）基于關(guān)鍵詞的相似度計(jì)算這種計(jì)算方法對(duì)句子進(jìn)行分詞處理后，把句子看成詞的線性序列，只是根據(jù)句子中的單詞出現(xiàn)的頻率等相關(guān)信息來(lái)計(jì)算句子的相似度。

把兩個(gè)句子之間相互匹配的問(wèn)題轉(zhuǎn)化為向量空間中兩個(gè)向量之間相互匹配的問(wèn)題，兩個(gè)句子的相似度可以用兩個(gè)空間向量之間的夾角來(lái)衡量，夾角越小相似度越高。有一定的局限性中文句子相似度計(jì)算相似度的計(jì)算方法分為以下幾種：中文句子相似度計(jì)算（2）基于語(yǔ)義的相似度計(jì)算采用基于語(yǔ)義詞典進(jìn)行計(jì)算。首先要計(jì)算句子中各個(gè)詞語(yǔ)之間的相似度，然后通過(guò)詞語(yǔ)之間的相似度再去計(jì)算句子的相似度。對(duì)句子進(jìn)行分詞和去除冗余信息處理后，在《同義詞詞林》中查找這些關(guān)鍵詞的語(yǔ)義編碼，通過(guò)對(duì)編碼進(jìn)行分析來(lái)計(jì)算詞與詞之間的語(yǔ)義距離。

評(píng)價(jià)：這種方法需要一定的語(yǔ)義資源作為基礎(chǔ)，而且沒(méi)有考慮詞語(yǔ)在句子中的權(quán)重，實(shí)用性是不很高。但由于語(yǔ)義資源的統(tǒng)計(jì)還不是很全面，也沒(méi)有考慮到句子的成分以及各詞語(yǔ)之間的依存關(guān)系，因此相似度的計(jì)算還是有一定的誤差。中文句子相似度計(jì)算（2）基于語(yǔ)義的相似度計(jì)算中文句子相似度計(jì)算（3）基于句法的搭配詞對(duì)的相似度的計(jì)算舉例說(shuō)明：句子1：許多優(yōu)秀的人才都被送往國(guó)外學(xué)習(xí)。

句子2：越來(lái)越多的人才都被送到了國(guó)外。經(jīng)過(guò)對(duì)依存關(guān)系的分析和一些詞語(yǔ)的處理后，得到句子S1中有效詞搭配對(duì)：送往-人才，送往-國(guó)外，送往-學(xué)習(xí)。句子S2中有效詞搭配對(duì)：送到-人才，送到-國(guó)外。有效搭配詞對(duì)匹配權(quán)重加入同義詞的處理，相似度有了一定程度的提高。中文句子相似度計(jì)算（3）基于句法的搭配詞對(duì)的相似度的計(jì)算中文句子相似度計(jì)算（4）基于依存樹(shù)的語(yǔ)義匹配相似度算法在本算法中，重新生成一個(gè)依存樹(shù)，該依存樹(shù)的根節(jié)點(diǎn)為核心詞，孩子結(jié)點(diǎn)為那些依附于核心詞的詞語(yǔ)，這樣得到一個(gè)高度為s的依存樹(shù)，然后分層來(lái)計(jì)算依存樹(shù)的語(yǔ)義距離和相似度，只考慮依存樹(shù)的前兩層。

中文句子相似度計(jì)算（4）基于依存樹(shù)的語(yǔ)義匹配相似度算法中文句子相似度計(jì)算（4）基于依存樹(shù)的語(yǔ)義匹配相似度算法假設(shè)第一個(gè)依存樹(shù)的第二層有m個(gè)孩子結(jié)點(diǎn)，第二個(gè)依存樹(shù)的第二層有n個(gè)