特定域个性化交互式问答技术研究

问答技术旨在令计算机能够回答用户用自然语言提问的问题。然而，在当前的研究中，没有很好地融入人机交互及个性化分析技术，因此难以准确理解用户意图和个性化需求，从而无法为用户提供更加精准的答案。本项目针对特定域开展个性化交互式问答技术研究，其主要特点和创新点体现在如下方面：（1）系统能够根据人机交互的上下文对用户当前问题进行分析；（2）系统对于有歧义或模糊的用户问题，可自动生成澄清请求问题，通过与用户的交互进一步明确其信息需求；（3）深入挖掘用户兴趣和偏好，构建用户模型，从而为用户提供个性化答案；（4）对相似用户加以聚类，通过协同式问题推荐的方式向用户提供其感兴趣的信息；（5）建立以系统为中心和以用户为中心的评测方案，对个性化交互式问答系统的性能评测进行研究。我们力争通过本项目的研究推动问答及个性化信息服务技术的发展。

本课题针对交互式问答系统中的对话上下文识别，对话问句理解以及用户模型建立三项技术进行了深入的研究。.其中，研究内容主要包括中文交互式问答用户问题相关检测，基于问句主题相似性原理，我们采用二元分类方法解决连续问题集的语境划分问题，在相关问题检测上，准确率达到了96.1%；.基于复述的问句扩展研究，针对用户问句与候选文档之间的词不匹配现象，我们提出了短语复述方法解决相同语义的不同表述匹配问题，在文档检索上，显著优于现有最优的检索模型及问句扩展方法。.基于中心理论的中文对话省略恢复，基于用户语篇一致性原理，我们提出了基于中心理论规则建模用户表述上的省略行为，在省略成分恢复的准确率上，超出baseline 8.91%；.基于词项重要度赋权的问句检索，为了区分不同词项在检索中的重要性，我们采用逻辑回归方法解决传统词项赋权方法对长尾词权重的偏置，在相似问句检索上，MAP结果在统计上显著优于现有最优的问句检索系统；.融合多类特征的Web查询意图识别，针对查询词项与用户意图之间的语义鸿沟，我们采用SVM分类器解决查询中的词项与用户意图的匹配问题，在用户意图识别上，准确率达到了88.5%；.基于主题模型的用户模型，针对已有方法的低效性，我们采用PLSI主题模型解决了低效问题，在用户主题建模上，NDCG达到了82.8%，显著优于K-means及其他主题模型的方法；.基于领域特征权重的社区型问句分类，针对已有方法未能区分分类特征的重要性问题，我们采用最大熵模型解决特征权重问题，在问题分类的准确率上，显著优于现有最优问句分类系统；.基于查询子主题的查询摘要，针对查询较短，主题信息模糊的问题，我们提出抽取式摘要方法解决查询子主题挖掘问题，在查询摘要抽取上，NDCG@3达到了60.8%，优于现有最先进的查询摘要方法3.8%。.本课题共发表期刊论文4篇（其中1篇SCI索引，3篇EI索引），会议论文5篇（其中CCF A类和B类国际会议各一篇）。.研究成果达到了预期的计划。