基于問答庫的檢索式問答系統(tǒng)研究與實現(xiàn).pdf

1、Web2.0時代已歷十余年。隨著互聯(lián)網(wǎng)的高速發(fā)展和移動終端的迅速普及，由用戶主導(dǎo)產(chǎn)生的信息日益膨脹。如此規(guī)模龐大的信息導(dǎo)致用戶信息過載，從而倒逼搜索引擎技術(shù)的快速發(fā)展，使用戶能夠快速準確地獲取所需信息。以關(guān)鍵詞匹配和網(wǎng)頁鏈接為基礎(chǔ)的搜索方法已趨于成熟，但多數(shù)情況下由于用戶選擇關(guān)鍵詞不當，導(dǎo)致檢索結(jié)果不理想;或因搜索引擎不能過濾大量的網(wǎng)頁，導(dǎo)致用戶得不到準確的答案。相比之下，問答系統(tǒng)以自然語言作為輸入，不依賴于用戶對關(guān)鍵詞的選擇，并直接返

2、回最相關(guān)答案內(nèi)容，它提高了用戶檢索滿意度并節(jié)約了用戶獲取答案的時間。本文在此背景下對基于問答庫的檢索式問答系統(tǒng)展開研究，主要研究工作包括以下三個方面:
　　(1)對基于依存關(guān)系的文本相似度算法進行研究和分析，并提出一種基于依存關(guān)系選擇與加權(quán)的文本相似度算法，實驗結(jié)果表明該方法在不同的數(shù)據(jù)集上，其準確率均具有較大優(yōu)勢。
　　(2)本文結(jié)合基于向量空間模型(Vector Space Model，VSM)、依存關(guān)系和卷積神經(jīng)網(wǎng)絡(luò)（