周小强，王晓龙，陈清财

(哈尔滨工业大学 深圳研究生院智能计算中心，广东 深圳 518055)

0 引言

近年来，问答系统进入了智能交互式问答(interactive question answering, iQA)的发展阶段，不同于自动问答中一问一答的独立问答机制，交互式问答采用的是多轮对话的问答机制。连续交互过程中的问答语句组成了一个时序性的自然语句序列，交互语句间的复杂映射关系形成了一定主题范畴下的上下文关联结构。而对于交互式问答的关系结构解析不仅有助于上下文的用户意图识别[1-2]，还可以提高面向交互式场景的问答知识抽取性能[3]。

目前，针对交互式问答关系结构的研究工作较少，研究人员一般鉴于交互式问答中的会话场景，通常会采用对话建模的方法进行交互式问答的结构分析和统计。其中，最为常见的方法是通过解析交互式问答的对话行为结构来观察连续交互过程中的用户意图变化[4]；再者就是在对话建模过程中通过引入主题模型进行交互式问答的主题结构划分。例如，Ritter等人在基于隐马尔可夫的对话模型(Hidden Markov Model, HMM)中引入LDA主题模型(Latent Dirichlet Allocation)学习主题与词语之间的概率分布，进而通过主题对话模型生成不同交互时刻的对话状态表示，实现交互式场景的结构解析[5]。交互式问答的对话结构虽然体现了交互式问答在语用或语境层次上的语句关系结构，但是没有考虑到连续问答语句在语义层面上的复杂映射关系。例如：

Q1: 此款移动电源

Q2: 可以给任何品牌

Q3: 手机冲电吗