AskTheWeb--一个基于Web的问题回答原型系统.pdf

华南理工大学学报(自然科学版) 10umalofsouthchina 0f university v。1．32 第32耋增型 Tecbnology s“pPl_ 2004年11月 science (Namral Edition) November赫 回答原型系统4 许 丞 彭 瀚 马 龙 李双峰 (北京大学计算机科学与技术系，北京100871) 摘要：问题回答(Ques吐on Answefing，简称QA)系统是当前检索等领域的研究热点之 一，其目标是回答用户用自然语言提出的简单问题．文中给出了一个基于web的中文QA 原型系统——AskTheweb的设计与实现机制．AskTheweb利用有哪些信誉好的足球投注网站引擎获取相关网页， 而后基于综合词额统计和概念的评分模型从这些网页中提取答案．文中给出的评测数据． 验证了使用数据密集的思想实现基于web的中文QA系统的可行性，而概念匹配技术对 答案精度的提高有促进作用． 关键阋：问题回答系统；信息捡索；概念匹配；数据密集 中图分类号：TP391．1 文献标识码：A 问题回答(QuesnonAnswe血g。简称QA)系统推动问题回答领域的工作．这说明问题回答系统已 是目前信息检索、信息提取、机器学习以及自然语言 受到学术界越来越多的关注． 处理等几个领域关注的热点w，其目标是回答用户 找出问题答案的方法既有基于自然语言理解和 用自然语言提出的简单问题．限于目前计算机的智 计算语言学的，也有采用统计的方法，比如基于事实 能水平，它主要针对一些基于事实的、答案相对简短 的出现频率。早期的QA系统多采用基于自然语言 killedAbraham 的问题，例如“who Lincoln?”或理解的方法来匹配用户问题和文档以定位答案．通 tallis Everest7”e2·”． of “How Mount 常的语言学方法包括词性标注(PartspeechTag· 与通常的信息检索不同．问题回答系统的目标 不是返回给用户一些相关文档，而是直接给出问题 的答案”1，因此，实际上问题回答系统并不是真正 的理解并回答问题，而是从大量给定文档中找出可 上有着丰富且开放的文档资源，因此从2000年开 能的文本部分并匹配出问题的答案．TREc(Text REc血val Conferencc，http：／／蛐c．n妣gov)是文本 检索领域最为权威的组织，TREcl，TREc5，TREc6 等是世界公认的文本检索系统的标准化测试集．从 系统．由于有哪些信誉好的足球投注网站引擎相当于一个庞大的文档源并提 AnsWer_ 1999年开始TREc也推出了TREcQuestion 供了快速查找相关文档的能力，一些QA系统建立 ingTrack(h郇：／／们c．nisLgov／data／qa，htIIll)，用于在G009le等有哪些信誉好的足球投注网站引擎之上，如华盛顿大学的MuL— 量文档，其中有大量冗余信息，有力地支持了基于频 08—08 收稿日期：2004 Inte