基于框架語義的高考語文閱讀理解答案句抽取.pdf

1、目前存在于互聯(lián)網(wǎng)的海量知識大多是以文本形式呈現(xiàn)，計算機對文本知識的表示與深度理解在一定程度上代表著智能信息處理的水平。問答系統(tǒng)在一定程度上可以驗證計算機對文本知識理解的能力。閱讀理解問答一直以來被看作是問答系統(tǒng)的重要組成部分，尤其在問題分析以及答案句抽取方面受到諸多研究機構(gòu)的青睞。本文依托國家863計劃，針對高考語文科技文閱讀理解問答題，提出借助框架語義匹配、框架語義關(guān)系、篇章框架語義視圖抽取答案候選句，在排序時引入流形排序模型，通過答

2、案句之間的框架語義句子相關(guān)度將排序分?jǐn)?shù)進(jìn)行迭代傳播，最終選取分?jǐn)?shù)較高的Top-4作為答案句。
　　文章的主要研究內(nèi)容及成果如下：
　　一是在答案候選句抽取時引用了漢語框架語義知識。利用框架語義抽取答案候選句，一方面由于框架網(wǎng)絡(luò)包含了比其它詞典更為詳細(xì)的“句法-語義”信息；另一方面，框架語義關(guān)系針對的不是相鄰句子之間的關(guān)系，而是閱讀材料中所有句子所揭示的語義場景之間的關(guān)系。
　　二是答案候選句排序時利用了流形排序模型。該

3、模型是一種半監(jiān)督全局排序算法。在該模型中又充分利用了答案候選句之間的框架語義相關(guān)性，將排序分?jǐn)?shù)進(jìn)行迭代傳播，直到全局穩(wěn)定狀態(tài)，最終所有的節(jié)點都得到了合理的排序分?jǐn)?shù)。
　　實驗表明，定位問句出處補全或者擴展了問句的語義場景，答案候選句抽取方法很大程度上提高了答案句的召回率，流形排序模型極大地提高了答案句的準(zhǔn)確率。
　　本文主要內(nèi)容分為三部分，首先介紹的是本文所研究的高考閱讀理解問答的相關(guān)概述，包括任務(wù)與難點；其次，詳細(xì)介紹漢語