《特定域個性化互動式問答技術研究》是依託哈爾濱工業大學，由張宇擔任項目負責人的面上項目。
基本介紹
- 中文名：特定域個性化互動式問答技術研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：張宇
項目摘要,結題摘要,
項目摘要
問答技術旨在令計算機能夠回答用戶用自然語言提問的問題。然而，在當前的研究中，沒有很好地融入人機互動及個性化分析技術，因此難以準確理解用戶意圖和個性化需求，從而無法為用戶提供更加精準的答案。本項目針對特定域開展個性化互動式問答技術研究，其主要特點和創新點體現在如下方面：（1）系統能夠根據人機互動的上下文對用戶當前問題進行分析；（2）系統對於有歧義或模糊的用戶問題，可自動生成澄清請求問題，通過與用戶的互動進一步明確其信息需求；（3）深入挖掘用戶興趣和偏好，構建用戶模型，從而為用戶提供個性化答案；（4）對相似用戶加以聚類，通過協同式問題推薦的方式向用戶提供其感興趣的信息；（5）建立以系統為中心和以用戶為中心的評測方案，對個性化互動式問答系統的性能評測進行研究。我們力爭通過本項目的研究推動問答及個性化信息服務技術的發展。
結題摘要
本課題針對互動式問答系統中的對話上下文識別，對話問句理解以及用戶模型建立三項技術進行了深入的研究。 其中，研究內容主要包括中文互動式問答用戶問題相關檢測，基於問句主題相似性原理，我們採用二元分類方法解決連續問題集的語境劃分問題，在相關問題檢測上，準確率達到了96.1%； 基於複述的問句擴展研究，針對用戶問句與候選文檔之間的詞不匹配現象，我們提出了短語複述方法解決相同語義的不同表述匹配問題，在文檔檢索上，顯著優於現有最優的檢索模型及問句擴展方法。 基於中心理論的中文對話省略恢復，基於用戶語篇一致性原理，我們提出了基於中心理論規則建模用戶表述上的省略行為，在省略成分恢復的準確率上，超出baseline 8.91%； 基於詞項重要度賦權的問句檢索，為了區分不同詞項在檢索中的重要性，我們採用邏輯回歸方法解決傳統詞項賦權方法對長尾詞權重的偏置，在相似問句檢索上，MAP結果在統計上顯著優於現有最優的問句檢索系統； 融合多類特徵的Web查詢意圖識別，針對查詢詞項與用戶意圖之間的語義鴻溝，我們採用SVM分類器解決查詢中的詞項與用戶意圖的匹配問題，在用戶意圖識別上，準確率達到了88.5%； 基於主題模型的用戶模型，針對已有方法的低效性，我們採用PLSI主題模型解決了低效問題，在用戶主題建模上，NDCG達到了82.8%，顯著優於K-means及其他主題模型的方法； 基於領域特徵權重的社區型問句分類，針對已有方法未能區分分類特徵的重要性問題，我們採用最大熵模型解決特徵權重問題，在問題分類的準確率上，顯著優於現有最優問句分類系統； 基於查詢子主題的查詢摘要，針對查詢較短，主題信息模糊的問題，我們提出抽取式摘要方法解決查詢子主題挖掘問題，在查詢摘要抽取上，NDCG@3達到了60.8%，優於現有最先進的查詢摘要方法3.8%。 本課題共發表期刊論文4篇（其中1篇SCI索引，3篇EI索引），會議論文5篇（其中CCF A類和B類國際會議各一篇）。 研究成果達到了預期的計畫。
