基于汉语框架网的中文问题分类

doi:10.3778/j.issn.1002-8331.2009.31.033

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (31): 111-114.DOI: 10.3778/j.issn.1002-8331.2009.31.033

• 数据库、信号与信息处理 • 上一篇下一篇

基于汉语框架网的中文问题分类

李茹^1，2，宋小香¹，王文晶¹

1.山西大学计算机与信息技术学院，太原 030006
2.山西大学计算智能与中文信息处理教育部重点实验室，太原 030006

收稿日期:2009-05-18 修回日期:2009-06-18 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 李茹

Chinese question classification based on Chinese FrameNet

LI Ru^1，2，SONG Xiao-xiang¹，WANG Wen-jing¹

1.School of Computer & Information Technology，Shanxi University，Taiyuan 030006，China
2.Computer Intelligent and Chinese Information Processing of the Ministry Education Key Laboratory Built Together by Province and Department，Taiyuan 030006，China

Received:2009-05-18 Revised:2009-06-18 Online:2009-11-01 Published:2009-11-01
Contact: LI Ru

摘要/Abstract

摘要： 问题分类是问答系统中重要的组成部分，问题分类结果的准确性直接影响到问答系统的质量。基于汉语框架网（Chinese FrameNet，CFN）提出了一种用于中文问题分类的新方法。该方法通过构建一系列汉语框架语义特征来表达每个问句的语义信息，进而使用最大熵模型进行中文问题的自动分类，与传统的问题分类技术相比，汉语框架语义信息的加入使得中文问题分类的精度得到了显著提高。实验结果进一步验证了该方法的有效性，大类和小类的分类精度分别达到了91.38%和83.20%。

关键词: 汉语框架网, 问题分类, 最大熵模型

Abstract: Question classification is very important for question answering，and its accuracy affects the performance of the question answering system.This paper introduces a method of Chinese question classification based on Chinese FrameNet（CFN）.In this method，a series of features are firstly constructed to express each question’s semantic information，and then Maximum Entropy Model is used to implement question classifier.Compared to the traditional methods，semantic information of Chinese FrameNet can improve the performance of question classification significantly.The experiment result shows that this method is effective and the classification accuracy of coarse classes and fine classes achieves 91.38% and 83.20% respectively.

Key words: Chinese FrameNet, question classification, maximum entropy model

中图分类号:

TP391

李茹^1，2，宋小香¹，王文晶¹. 基于汉语框架网的中文问题分类[J]. 计算机工程与应用, 2009, 45(31): 111-114.

LI Ru^1，2，SONG Xiao-xiang¹，WANG Wen-jing¹. Chinese question classification based on Chinese FrameNet[J]. Computer Engineering and Applications, 2009, 45(31): 111-114.

[1]	夏吾吉1，2，华却才让1. 基于混合策略的藏文人称代词指代消解研究[J]. 计算机工程与应用, 2018, 54(7): 66-69.
[2]	刘颖，王楠. 最大熵模型和BP神经网络的短句对齐比较[J]. 计算机工程与应用, 2015, 51(7): 112-117.
[3]	古丽扎达·海沙1，古丽拉·阿东别克2，3. 哈萨克语动词短语自动识别研究与实现[J]. 计算机工程与应用, 2015, 51(2): 218-223.
[4]	桑海岩1，2，古丽拉·阿东别克1，2，牛宁宁1，2. 基于最大熵的哈萨克语词性标注模型[J]. 计算机工程与应用, 2013, 49(11): 126-129.
[5]	张巍1，2，陈俊杰2. 信息熵方法及在中文问题分类中的应用[J]. 计算机工程与应用, 2013, 49(10): 129-131.
[6]	姑丽加玛丽·麦麦提艾力1，艾斯卡尔·肉孜2，艾斯卡尔·艾木都拉1. 维吾尔语多音词消歧混合方法[J]. 计算机工程与应用, 2011, 47(35): 158-160.
[7]	曹波,苏一丹,邓琦. 基于最大熵模型的中国人名自动识别[J]. 计算机工程与应用, 2009, 45(4): 227-228.
[8]	谢法奎^1,2，张全². 基于最大熵模型的语义块切分[J]. 计算机工程与应用, 2009, 45(26): 118-120.
[9]	袁晓洁,师建兴,宁华,于士涛. 问题分类中基于句法和语义信息的特征选择[J]. 计算机工程与应用, 2008, 44(33): 144-147.
[10]	方巍^1,2,黄黎^1,2,崔志明^1,2. 基于最大熵分类器的Deep Web查询接口自动判定[J]. 计算机工程与应用, 2008, 44(21): 133-137.
[11]	李军辉,李培峰,朱巧明,钱培德. 最大熵模型在邮件分类中的应用[J]. 计算机工程与应用, 2007, 43(35): 126-129.
[12]	司广涛,李培峰,朱巧明,李军辉. 基于最大熵模型的邮件过滤系统研究[J]. 计算机工程与应用, 2006, 42(32期): 0-.

基于汉语框架网的中文问题分类

Chinese question classification based on Chinese FrameNet

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics