基于改進神經(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)計機器學習的相關(guān)技術(shù)。基于知識庫的問答系統(tǒng)，需要首先對用戶問題進行分類，然后將其與所屬類別中的問句進行相似度計算，實現(xiàn)相似問句的匹配，最后，抽取知識庫中與之匹配的問句所對應(yīng)的答案，反饋給用戶?？梢妴柧浞诸惻c問句相似度計算是問答系統(tǒng)中至關(guān)重要的兩個環(huán)節(jié)。然而，

2、當前自然語言處理技術(shù)發(fā)展不夠成熟，機器學習中的分類算法在實用中都存在著缺陷。導(dǎo)致問句分類效果不理想，問句相似度計算準確率有待于提高。
　　本文對問題分類與問句相似度進行研究，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算方法。通過改進RBF神經(jīng)網(wǎng)絡(luò)，得到問句分類模型，提高了問句分類準確率。然后，針對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算方法，大大提高了相似度計算準確率。本文主

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

4、一種基于詞向量與框架語義相結(jié)合的問句相似度計算方法。對首先對句子進行框架語義分析，通過Word2vec對語料的訓練，根據(jù)每個詞語與相鄰詞語之間的詞語搭配關(guān)系，得到每個詞語對應(yīng)的特征向量，進而計算句子向量中不同框架元素的余弦相似度。實驗結(jié)果表明，與傳統(tǒng)的句法分析方法相比，本文方法計算效果大有提升。
　　3.最后，通過對問答系統(tǒng)各個模塊的設(shè)計，實現(xiàn)了一個完整的問答系統(tǒng)原型，用于解答應(yīng)屆畢業(yè)生求職相關(guān)問題，測試結(jié)果證明，本文設(shè)計的問答系