谢先章 王兆凯 李亚星 冯旭鹏 刘利军 黄青松,2*

1(昆明理工大学信息工程与自动化学院 云南 昆明 650500)2(云南省计算机技术应用重点实验室 云南 昆明 650500)3(昆明理工大学教育技术与网络中心 云南 昆明 650500)

0 引 言

信息检索是自然语言处理研究中用来解决信息合理推送的问题，例如在自动问答中的应用[1]。当用户进行信息搜索时，搜索表述方式决定着其获取信息的质量，现有基于关键词检索方式已被广泛认可和接受，但这是以大量语料信息作为检索基础，而许多场景下，如小规模或中等规模的语料仅用关键词匹配很难达到理想的效果。同时关键词匹配计算方法将词语作为孤立的元素，这种词语相互之间没有联系的假设是不合理的[2]。为了应对此类情况，研究者从语句相似度入手，句子的相似度研究方法可以归结为：(1) 基于词特征的句子相似度计算[3]；(2) 基于词义特征的句子相似度计算；(3) 基于句法分析特征的句子相似度计算[4]。词特征的方法进行句相似度计算一般依靠构建向量空间，但这类方法的明显缺陷是特征稀疏，用在稍大点的语料上效果不理想。为了解决特征稀疏问题，Wang等[5]提出了基于词汇分解与组合的句子相似度计算，其将对比的句子进行向量化，对形成的句子特征矩阵进行分解，最后进行近似语句计算，但是此方法对环境的实时计算能力要求较高。词义特征的方法主要依赖外源语义词典，如游彬等[6]提出的基于HowNet的信息量计算语义相似度算法，但是这类方法局限性太强，外源语义词典的完整性直接影响着模型的准确率。……