菜单
　　
    摘要虽然传统的问答（QA）系统量身打造的TREC QA工作任务比较适合比较简单的问题，他们做的不足以回答现实世界中的问题。以社区为基础的质量保证系统提供这种服务很好，因为它们含有大量的档案这样的问题在那里手工制作的答案是直接可用。然而，寻找类似的问题在QA存档不平凡的。在本文中，提出了一种新的检索框架基于句法树结构，以解决类似的问题， 匹配问题。我们建立了从雅虎答案地面真值集，实验结果表明，我们的方法优于或树袋字的传统基于核方法在平均平均精度8.3％。它还实现了高达50％通过改善结合语义特征以及可能的答案的匹配。我们的模型不依赖于训练，并且被证明是对语法错误也是如此健壮。23426
    关键字：问答系统，句法结构，问题匹配，雅虎问答
    毕业论文外文摘要
    Title Question Similarity Computation  in Community Question Answer
    Abstract
    While traditional question answering (QA) systems tailored to the
    TREC QA task work relatively well for simple questions, they do not suffice to answer real world questions. The community-based QA systems offer this service well, as they contain large archives of such questions where manually crafted answers are directly available. However, finding similar questions in the QA archive is not trivial. In this paper, we propose a new retrieval framework based on syntactic tree structure to tackle the similar question matching problem. We build a ground-truth set from Yahoo!
    Answers, and experimental results show that our method outperforms traditional bag-of-word or tree kernel based methods by 8.3% in mean average precision. It further achieves up to 50% improvement by incorporating semantic features as well as matching of potential answers. Our model does not rely on training, and it is demonstrated to be robust against grammatical errors as well.
    Keywords:  Question Answering, Syntactic Structure, Question Matching,
    Yahoo! Answers
    目   次
    1引言…1
    2问句相似度计算1
    2.1框架概述1
    2.2 VSM模型2
    2.3语义模型2
    2.4树核模型3
    3问句相似度计算的相关技术和实现方法4
    3.1 基于向量空间模型的问句相似度计算方法4
    3.2 基于语义的问句相似度计算方法4
    3.3 句法树匹配…5
    3.4 树片段的权重方案5
    3.5 测量节点匹配分数6
    3.6 相似性度量…7
    3.7 健壮性…7
    4语义平滑匹配…8
    5实验…9
    5.1 数据集…9
    5.2检索模型10
    5.3成果评估11
    5.4性能变化到语法错误…11
    5.5错误分析12
    6  相关工作13
    7  结论与未来展望…14
    致谢 …15
    参考文献 …16
    1  引言
     因为传统的TREC QA工作取得了显著进展它最初是在20世纪90年代推出[1]。然而，在TREC研究 质量保证已经在很大程度上有针对性的短期，智能标记为主，试题，供其简洁的答案是预期。例如，TREC QA简单地预计，今年“1960”为简单的问题“埃德蒙希拉里在哪年寻找雪人？”。此前有称，而问答系统量身定做的TREC QA任务 相对有效的智能标记类型的问题，他们可能不是一定有效的问答应用TREC外。在现实世界中，更复杂的问题是通常会要求，用户更愿意获得更长，更全面的答案，其中包含足够的上下文信息。传统的质量保证体系现在面临的问题被部署到真实的世界。 
    随着Web 2.0，社交协作的绽放应用，如文基百科，YouTube和Facebook等开始
    蓬勃发展，并出现了越来越多的Web ，汇集了网络信息服务的自我宣称的“专家”来回答，来自其他人的问题。这是被称为社区为基础的问答服务（CQA）。在这些社区，任何人都可以一问一答对任何主题的问题，人们寻找信息的连接到那些谁知道答案。由于答案通常是人类明文规定，并且是高品质的，也可以是在回答现实问题有帮助。
  1. 上一篇：轨道交通系统能耗案例检索中的相似度分析
  2. 下一篇：中心测量仪上位机控制软件的开发与设计

  1. VB+sqlserver社区医院信息管理系统的设计与实现

  2. 随机物流车辆调度问题的仿真与决策

  3. asp.net社区医疗保障管理系统设计

  4. Hopfield神经网络人工神经网...

  5. 云节点协同工作若干问题的研究

  6. 基于矩阵低秩分解的图像标注增强问题研究

  7. Jpcap工具Apriori算法WEB访问模式挖掘

  8. java+mysql车辆管理系统的设计+源代码

  9. 大众媒体对公共政策制定的影响

  10. 中考体育项目与体育教学合理结合的研究

  11. 河岸冲刷和泥沙淤积的监测国内外研究现状

  12. 十二层带中心支撑钢结构...

  13. 杂拟谷盗体内共生菌沃尔...

  14. 电站锅炉暖风器设计任务书

  15. 酸性水汽提装置总汽提塔设计+CAD图纸

  16. 乳业同业并购式全产业链...

  17. 当代大学生慈善意识研究+文献综述

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回