基于链接预测思想的问句检索方法研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (10): 132-136.

• 数据库、信号与信息处理 • 上一篇下一篇

基于链接预测思想的问句检索方法研究

汪材印1，崔琳2，李鸿2，3

1.宿州学院机械与电子工程学院，安徽宿州 234000
2.宿州学院信息工程学院，安徽宿州 234000
3.中国矿业大学计算机科学与技术系，江苏徐州 221008

出版日期:2012-04-01 发布日期:2012-04-11

Question retrieval approach based on link prediction model

WANG Caiyin1, CUI Lin2, LI Hong2，3

1.School of Mechanical Electric and Engineering, Suzhou University, Suzhou, Anhui 234000, China
2.School of Information Engineering, Suzhou University, Suzhou, Anhui 234000, China
3.School of Computer Science & Technology, China University of Mining & Technology, Xuzhou, Jiangsu 221008, China

Online:2012-04-01 Published:2012-04-11

摘要/Abstract

摘要： 问答服务系统的一个重要功能是问题检索，即根据用户的提问，在已有的问答对数据中查找与用户提问相似的其他问题，将这些问题的答案直接返回给用户。问题检索任务所面临的主要困难是如何计算两个问句之间的语义相似度，提出利用链接预测模型计算问句之间的关联程度，将链接预测模型与语言模型相结合，设计出一种新的问句检索方法。通过在真实问答对数据上进行实验，表明该方法可以有效计算问句之间的语义相似度，其性能优于传统的计算方法。

关键词: 问答系统, 链接预测, 信息检索

Abstract: In Q&A service, one of the important tasks is question retrieval. It means finding questions in the archive that are semantically similar to a user’s question that can satisfy the users’ need. The main challenge here is how to measure the semantic similarity between questions. In this paper, the link-prediction models are used to measure the latent relevance between questions. A model that combines the language model and the link-prediction model is proposed. The experiment results on a real Q&A data set show that it is possible to measure the semantic relationship between questions, and the approach outperforms the traditional calculating approaches.

Key words: Q&A system, link prediction, information retrieval

汪材印1，崔琳2，李鸿2，3. 基于链接预测思想的问句检索方法研究[J]. 计算机工程与应用, 2012, 48(10): 132-136.

WANG Caiyin1, CUI Lin2, LI Hong2，3. Question retrieval approach based on link prediction model[J]. Computer Engineering and Applications, 2012, 48(10): 132-136.

[1]	韩东方，吐尔地·托合提，艾斯卡尔·艾木都拉. 问答系统中问句分类方法研究综述[J]. 计算机工程与应用, 2021, 57(6): 10-21.
[2]	武书钊，李功权，卜明伟. 基于知识图谱的自杀倾向检测问答系统构建[J]. 计算机工程与应用, 2021, 57(22): 304-312.
[3]	张雪婷，程华，房一泉. 基于元路径与节点属性的合著关系预测[J]. 计算机工程与应用, 2021, 57(2): 164-169.
[4]	陈恒，祁瑞华，朱毅，杨晨，郭旭，王维美. 球坐标建模语义分层的知识图谱补全方法[J]. 计算机工程与应用, 2021, 57(15): 101-108.
[5]	王红，林海舟，卢林燕. 基于Att_GCN模型的知识图谱推理算法[J]. 计算机工程与应用, 2020, 56(9): 183-189.
[6]	陈恒，李冠宇，祁瑞华，王维美. 胶囊网络在知识图谱补全中的应用[J]. 计算机工程与应用, 2020, 56(8): 110-116.
[7]	谭刚，陈聿，彭云竹. 融合领域特征知识图谱的电网客服问答系统[J]. 计算机工程与应用, 2020, 56(3): 232-239.
[8]	宋光鑫，王丽平. 利用矩阵补全优化模型进行动态网络链接预测[J]. 计算机工程与应用, 2020, 56(16): 37-44.
[9]	张瑞芳1，郭克华1，2. 面向个性化站点的用户检索意图建模方法[J]. 计算机工程与应用, 2018, 54(6): 37-43.
[10]	安琛，陈阳. 基于集成学习的动态链接预测方法[J]. 计算机工程与应用, 2018, 54(6): 110-114.
[11]	沈夏炯1，2，叶曼曼2，甘甜2，韩道军1，2. 基于概念格的信息检索及其树形可视化[J]. 计算机工程与应用, 2017, 53(3): 95-99.
[12]	贾贺1，艾中良1，2，贾高峰2，刘忠麟1，2，陈伯雄2. 基于Solr的司法大数据检索模型研究与实现[J]. 计算机工程与应用, 2017, 53(20): 249-253.
[13]	孙亭，丁杰. 异构政务信息资源集成检索技术研究[J]. 计算机工程与应用, 2017, 53(2): 103-106.
[14]	王晓博，李晓，马博. 基于频繁词义序列的检索结果聚类算法研究[J]. 计算机工程与应用, 2015, 51(1): 13-20.
[15]	万福成，李冬晨，何向真，徐涛. 面向信息检索的藏文文本索引策略研究[J]. 计算机工程与应用, 2014, 50(7): 208-211.

基于链接预测思想的问句检索方法研究

Question retrieval approach based on link prediction model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics