社区问答系统关键技术研究

Community question answering system, a new type question answering service based on community, has become a new direction for the next-generation search engine. As a consequence, it has important principal and commercial value. This project aims to measure the relevance between two short text by extracting the multiple features in user interaction and text data of Community question answering. We try to make original achievement and breakthrough on the area of question matching, social tagging and answer selection. To meet this objective, we will make full use of the huge knowledge existing in the enormous community question answering data to address the special issue existing in Community question answering (e.g. shortness, informal, open-domain, etc.) under the guidance of natural language processing and information retrieval, text mining technique. On this basis, we try to design and implement a more efficient and accurate community question answering prototype, which improves the quality of the system generated answers. The research findings can provide theoretical basis and technical support for a Community question answering system, and improve the quality of information retrieval service.

社区问答系统是一种建立在问答社区之上的新型问答系统，并已成为新一代搜索引擎的重要发展方向，具有重大的理论意义和巨大的商业价值。本项目拟充分利用大规模社区问答网站中所蕴含的海量知识，并针对社区问答中文本所具有的显著特点（短文本、不规范性、开放性等），综合运用自然语言处理、文本挖掘与信息检索等技术，提取和融合问答社区产生的文本数据和用户交互数据的多源特征，准确度量社区问答中各类短文本之间的相关性，力争在面向社区问答的社会化标签推荐技术、相似问题匹配技术、以及高质量答案筛选技术方面有所突破，取得原始性的创新研究成果。在此基础上，设计并实现更为高效、准确的社区问答原型系统，改善系统生成答案的质量。本项目的研究成果可为建立社区问答系统提供理论基础与技术支撑，有助于提高信息检索的服务质量。

社区问答系统是一种建立在问答社区之上的新型问答系统，并已成为新一代搜索引擎的重要发展方向，具有重大的理论意义和巨大的商业价值。本项目充分利用大规模社区问答网站中所蕴含的海量知识，并针对社区问答中文本所具有的显著特点（短文本、不规范性、开放性等），综合运用自然语言处理、文本挖掘与信息检索等技术，提取和融合问答社区产生的文本数据和用户交互数据的多源特征，以准确度量社区问答中各类短文本之间的相关性。.本课题在面向社区问答的社会化标签推荐、相似问题匹配、高质量答案筛选、问题查询的命名实体消岐、多特征融合的社区问答文本匹配系统、社区问答的文本匹配算法、社区问答中的问题泛化技术、基于断言的问答技术、研究融合知识和神经网络的对话短文本检索、多轮对话匹配模型、检索式聊天机器人序列匹配框架、基于原型的回复生成模型、基于知识拷贝机制的回复生成模型等方面取得了大量原始性创新研究成果，最终圆满完成了既定的研究目标。.相关研究成果分别发表在Computational Linguistics、Knowledge-Based Systems、Neurocomputing等SCI期刊和ACL、AAAI、IJCAI、EMNLP、CIKM等顶级或重要国际会议，并受到业界的广泛关注和大量引用。共培养毕业博士生6人，培养毕业硕士生10人。本项目的研究成果具有重要的学术价值和现实应用前景，有助于推动社区问答系统关键技术的发展。.