【作者】 李鑫； 杜永萍； 黄萱菁； 吴立德；

【Author】 LI Xin DU Yong-Ping HUANG Xuan-Jing WU Li-de (Computer Science Engineering Department,FUDAN University,Shanghai,China,200433)

【机构】 复旦大学计算机科学与工程系；

【摘要】 本文介绍了用WordNet 的同义词集和上位概念及词汇间的依存关系作为分类特征进行问题分类的方法;把来自句法分析器和Wordnet 的语言知识应用到了问题表示中。测试了采用词汇特征、句法特征、语义特征时的问题分类精度,实验结果表明:通过利用x~2 统计量对Wordnet 中的概念集合进行选择后,SVM 分类器达到了91.60%的精度,好于采用同样语料和分类体系利用tree kernel 作为分类特征达到的90%的最好分类精度。更多还原

【Abstract】 This paper presents our research work on automatic question classification through Support VectorMachines using syntactic and semantic as classification features besides word features.Our approach incorporatesdependency structure from Minipar and linguistic knowledge from WordNet into question representation.We haveexperimented with different feature sets:Bag of Words,Dependency Structure,WordNet Hypernyms and SelectedWordNet Hypernyms of a category.When tested on the questions corpus from the TREC question answering track.Experiments show that the using word’s all sense hypernyms byx~2 selecting as features leads to significantly moreaccurate in question classification.It can achieve 91.6%.更多还原