范士喜　韩喜双　相　洋　陈　毅

(哈尔滨工业大学深圳研究生院　广东 深圳 518055)



基于HM-SVMs的问句语义分析模型

范士喜韩喜双相洋陈毅

(哈尔滨工业大学深圳研究生院广东 深圳 518055)

摘要由于传统的问句语义分析主要针对事实类的简单问句，而对于面向开放域的复杂问句缺少有效的语义分析方法。针对这种情况，提出一种新的问句语义分析模型。该模型将问句从文字空间映射到结构化的语义空间，实现问句的语义分析和表示。通过标注问句中的语义信息，模型实现问句分类、问句主题识别、限制信息识别三项分析工作。使用隐马尔科夫支持向量机(HM-SVMs)序列化标注工具实现了模型的自动标注，取得了86.7%的准确率。实验结果表明，HM-SVMs在标注准确率和效率上好于MEMM、CRF、M3N等模型，达到了预期效果。

关键词问答系统问句语义分析隐马尔科夫支持向量机

0引言

问句语义分析是问答系统的核心问题之一，其目的是理解用户的意图，指导问题求解[1]。传统的问答系统主要面向事实类简单问题，处理关于“时间”、“地点”、“机构”等事实类问句，传统问句语义分析包含问句分类和关键字提取两项工作[2]。其中问句分类和答案的命名实体类别相对应，即，问句分类直接指导答案的抽取，而问句语义分析所提取的关键字则用于答案的检索。这种问句语义分析方法在事实类问句中取得了较好的效果[3 ]，但并不适用于通用的问句语义分析，尤其是一些语义复杂的问句。研究人员已经发现了传统问句分析方法的不足，一些研究者开展了通用问句语义分析的相关研究工作。……