任 函

(广东外语外贸大学 语言工程与计算实验室，广东 广州 510006)

基于推理现象识别的答案抽取

任 函

(广东外语外贸大学 语言工程与计算实验室，广东 广州 510006)

答案抽取是问答系统的核心任务之一。为了改进答案抽取性能，本文提出一种基于推理现象的答案抽取方法，该方法通过分析问句和检索候选句间的推理现象，进而判断两个句子间的蕴涵关系，并据此抽取候选答案。该方法的特点在于，首先从局部上把握两者所包含的推理关系，然后基于此从整体上分析问题与答案句的关系，以此作为答案抽取的依据。实验表明，本文方法能够在一定程度上改进答案抽取的性能。

答案抽取; 推理现象; 文本蕴涵识别; 支持向量机

一、 概述

答案抽取(Answer Extraction)是问答式检索系统(又称问答系统，Question Answering)的核心任务之一，是指从检索到的相关信息中抽取出和答案类型一致的部分，并根据某种原则选择最有可能的候选答案返回给用户[1]。传统的问答系统一般采用句法语义分析、相似度计算和模式匹配等方法抽取候选答案[2]，然而，对于那些在词汇和句子结构上存在较大差异的问题和答案，这类系统往往难以获得理想的性能，其原因在于，这类问题和答案涉及复杂的语义关系，需要进行深度的语义分析和推理。

为此，一些研究者利用文本蕴涵识别(Recognizing Textual Entailment)方法进行答案抽取。该方法将答案抽取问题转化为问题和答案的蕴涵关系判断问题，从而提供了一种分析问题和答案之间语义关系的有效途径[3]。……