刘佳梅， 丁 楷

（中国航天科工集团六院情报信息研究中心， 呼和浩特 010000）

0 引 言

问句分类作为问答系统中问题分析和处理的首要环节，是问答系统尤为重要的一部分，其分类精度会直接影响到问答系统的性能［1］。 近年来，随着机器学习和深度学习的快速发展，极大的丰富了问句分类的相关研究。

问句分类所要解决的主要问题是将用户所提的问句划分到预定义的类别，从而确定问题的类型。问句分类是将问句与预定义的问句类别进行匹配的过程，如果问句分类过程用G表示，预定义的问句类型用｛C1、C2、C3、Cn｝ 表示，则该过程就是将用户所提问句X与某个问句类别Ci进行对应，如公式（1）所示：

问句分类的3 种方法为：基于规则、基于统计和基于神经网络的问句分类方法。 基于规则的问句分类方法，通过编写分类规则，从而确定问句类别［2］。这类方法往往能够取得较高的准确率，但编写规则需要花费大量的人力物力。 基于统计的问句分类方法，是通过训练数据对模型进行拟合，从而实现将问句划分到具体类别。 目前，关于统计的问句分类方法有贝叶斯模型［3］、支持向量机［4］、最大熵模型［5］等。 基于神经网络的问句分类方法则是通过搭建神经网络模型并进行训练。 如：Kalchbrenner 等人［6］采用DCNN 模型；Le 等人［7］采用卷积神经网络；Zeng 等人［8］采用主题记忆网络；Ravi 等人［9］采用图神经网络来进行问句分类。 以上关于问句分类的方法均采用单模型，模型的分类效果受训练数据及模型参数影响较大。……