 （3.3）
约束条件：
 （3.4）
…
其中C是控制间隔大小和训练错误之间平衡的参数， 是一个权重向量，由学习过程来调整，而 则是描述p和d及其相互联系的特征向量。论文检测，Ranking。上述问题是一个凸优化问题，具有唯一的全局最优解。约束条件（3.4）变换一下可得到 ，而这恰好等价于两两的差向量 进行SVM分类，一旦训练得到排序函数所需的权重向量，就可以计算一个新问题p的回帖d的排序分数 ，从而按分数高低得到一个问题帖对应的所有回帖的一个全序排列，取排列的前t项，则得到最佳答案。
3.3.2 特征表示
对于论坛中的回帖，可提取用于Ranking SVM排序方法的相关特征，主要包括：（1）发帖时间顺序；（2）发帖用户名称；（3）后续帖子反馈评价；（4）帖子长度；（5）发帖用户发帖总数；（6）发帖用户在本主题内的发帖总数；（7）帖子中的超链接数量；（8）帖子在同一发帖用户中的序号。这些特征都可以设成相应的权重参数进行计算。
4 系统结构
基于论坛数据的问答搜索系统相当复杂, 涉及到数据采集、数据结构化、数据处理、问题/答案抽取、索引排序、问题映射、接口设计、界面设计等。整个系统结构图设计如下：
 
4.1 网络论坛问答搜索系统结构图
图4.1中虚线以下部分通过采集论坛数据来构建问题/答案库，并定期更新，耗费时间较多，可离线实现，上部分对已经结构化的数据进行检索，能够及时反应。整个系统能够保证提高准确率的同时，有较高的检索速率。
5 结语
对于问答搜索技术的研究，相对来说，国外研究比较深入，有比较成功的问答式检索系统，而国内从事问答系统尤其是汉语自动问答技术研究的科研机构还是很少，而且基本没有成型的汉语自动问答系统问世。一个很重要的原因是缺乏一个公认的，相对成熟的汉语问答系统评测平台。
本文针对论坛中问题解答数据设计的问答搜索系统，具有较高的应用价值。当然，作为一种Q/A系统的改进形式，提高精度是研究的核心，本文使用SVM排序方法来抽取答案，但算法受到论坛回帖特征表示不明显方面的限制，答案抽取的准确率并不太高，一般在60~70%之间，还需要进一步研究回帖摘要深入研究。
参考文献
[1]肖冬梅.垂直搜索引擎研究.图书馆学研究[J]，2003.2:87-89
[2]R．Sorieut，and E．Brill．AutomaticQuestion Answering：Beyond the Factoid．In Proceedings of the HLT／NAACL 2004：Main Conference，57-64
[3]HANK S. SONG Y 1. RIM H C. Probabilistic model for definitional question answering[C].Proceedings of the 29th Annual International ACM SIGIR Conference onResearch and Development in Information Retrieval. New York: ACM Press,2006:212-219
[4]KO J. SI L. NYBERG E. A probabilistic graphical model for joint answer rankingin question answering[C]. Proceedings of the 30th AnnualInternational ACM SIGIR Conference on Research and Development in InformationRetrieval. New York: ACM Press, 2007:343-350
[5]T.Joachims. Optimizing search engines using click through data. Proceedings ofthe ACM Conference on Knowledge Discovery and Data Mining(KDD)，2002
[6]徐启华，杨瑞.一种新的软间隔支持向量机分类算法.计算机工程与设计.2005年9期，第26卷第9期:2316-2318
2/2 首页 上一页 1 2 |
