基于改進(jìn)神經(jīng)網(wǎng)絡(luò)與框架語義的中文問句匹配方法.pdf

1、隨著信息時(shí)代的迅速發(fā)展，Web2.0概念的提出，能夠直接為人們提供答案的智能問答系統(tǒng)已成為一種新的信息檢索技術(shù)。用戶都是以自然語言形式來提出問題，因此問答系統(tǒng)主要涉及自然語言處理和統(tǒng)計(jì)機(jī)器學(xué)習(xí)的相關(guān)技術(shù)?；谥R(shí)庫的問答系統(tǒng)，需要首先對(duì)用戶問題進(jìn)行分類，然后將其與所屬類別中的問句進(jìn)行相似度計(jì)算，實(shí)現(xiàn)相似問句的匹配，最后，抽取知識(shí)庫中與之匹配的問句所對(duì)應(yīng)的答案，反饋給用戶?？梢妴柧浞诸惻c問句相似度計(jì)算是問答系統(tǒng)中至關(guān)重要的兩個(gè)環(huán)節(jié)。然而，

2、當(dāng)前自然語言處理技術(shù)發(fā)展不夠成熟，機(jī)器學(xué)習(xí)中的分類算法在實(shí)用中都存在著缺陷。導(dǎo)致問句分類效果不理想，問句相似度計(jì)算準(zhǔn)確率有待于提高。
　　本文對(duì)問題分類與問句相似度進(jìn)行研究，借鑒于國內(nèi)外成果，分別提出了一種有效的問句分類方法和問句相似度計(jì)算方法。通過改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)，得到問句分類模型，提高了問句分類準(zhǔn)確率。然后，針對(duì)每一類問題中的問句匹配過程，提出了一種基于詞向量與語義框架的問句相似度計(jì)算方法，大大提高了相似度計(jì)算準(zhǔn)確率。本文主

3、要貢獻(xiàn)如下：
　　1.問答系統(tǒng)中，問句能否正確分類，對(duì)獲取正確答案其重要作用。本文通過對(duì)問句進(jìn)行預(yù)處理獲取問句關(guān)鍵詞，并對(duì)關(guān)鍵詞進(jìn)行編碼，從而得到問句特征向量。采用減聚類（SCM）與粒子群（PSO）算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，以特征向量作為輸入，進(jìn)行充分訓(xùn)練，得到問句分類模型并對(duì)其進(jìn)行測(cè)試。試驗(yàn)結(jié)果表明，該方法效果良好。
　　2.在現(xiàn)有的問句相似度計(jì)算方法基礎(chǔ)上，結(jié)合具有較強(qiáng)語義理解能力的深度學(xué)習(xí)框架Word2vec，提出

4、一種基于詞向量與框架語義相結(jié)合的問句相似度計(jì)算方法。對(duì)首先對(duì)句子進(jìn)行框架語義分析，通過Word2vec對(duì)語料的訓(xùn)練，根據(jù)每個(gè)詞語與相鄰詞語之間的詞語搭配關(guān)系，得到每個(gè)詞語對(duì)應(yīng)的特征向量，進(jìn)而計(jì)算句子向量中不同框架元素的余弦相似度。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的句法分析方法相比，本文方法計(jì)算效果大有提升。
　　3.最后，通過對(duì)問答系統(tǒng)各個(gè)模塊的設(shè)計(jì)，實(shí)現(xiàn)了一個(gè)完整的問答系統(tǒng)原型，用于解答應(yīng)屆畢業(yè)生求職相關(guān)問題，測(cè)試結(jié)果證明，本文設(shè)計(jì)的問答系