张民航 蔡东风 李绍鸣

(沈阳航空航天大学人机智能研究中心 辽宁 沈阳 110135)

0 引 言

近几年关于中文问答系统的研究日渐火热，也暴露出了一些问题，如问答语料匮乏、人工构建语料困难、高质量问答领域单一或广域问答质量不高等。实际上，网络上存在大量的问答资源，若能好好利用这些资源，可为问答系统的研究提供丰富的语料资源。当前有关问答对抽取的研究如文献[1-4]都集中于网页资源，如论坛、社区、贴吧和网站FAQ等。除了上述网页资源，网络上还存在其他问答资源，比如各类社交群资源。随着各类社交群如微信群、QQ群和微博群的兴起，其中积累了大量的问答资源，但是这些资源尚未得到研究者的重视。面对这一状况本文开展了面向社交群的问答对获取研究。

社交群资源不同于网页资源，后者多是一问一答或一问多答，社交群成员众多、发言自由，大都是多问多答。本文着重研究了问句识别、回答顺序、候选答案范围等影响问答对获取质量的关键因素，提出了通用的问句识别方法和新的问答对获取方法。该问句识别方法不仅可用于问答对获取，也能在问答系统中过滤非问题干扰；所提问答对获取方法基于问答匹配策略实现，亦能用于问答系统的答案匹配过程。

1 相关工作

问答对获取，即从含有问答内容的文本中自动地获取问题和答案。通常，问答对获取分为两步完成：问题识别(又名问句识别)和答案识别。

目前，关于中文问句识别的研究可以大致分为两个类型：(1) 从语言学的角度识别问句，该类方法大多借助特征词、句式、句法结构和语法单位等特征判别问句。……