基于协同计算的社区问答意见型问题分析与答案生成研究

Community question answering is a new information sharing and interactive way based on "asking-answering" in Web 2.0. Different from traditional automatic question answering, community question answering is based on "users", users and text contents have complex informative relationships, text contents and user labels collaborate with each other, and user interactivity makes the text contents more meaningful. Opinion questions have a large proportion in community question answering, which greatly hinders the intelligent level of community question answering analysis. However, the current research mainly focues on the analysis of factoid questions,answer retrieval and user behaviors, the research work on opinion question analysis and answer generation is relative small, especially for lack of systematic research. This project aims to study the opinion question analysis and answer generation using the collaborative computing method, the research tasks include: (1) users' questions polarity analysis based on social relationships and collaborative computing; (2)similar question collaborative retrieval based on sparse representation and distributional computing; (3) answer automatic generation based on local relationship and collaborative analysis. The achievements of this project will provide valuable suggestion for question answering and opinion question analysis.

社区问答是Web 2.0背景下产生的一种新的以"提问-回答"为主的信息共享和交流方式。不同于传统的自动问答，社区问答以"用户"为中心，具有明显的协同性，用户与文本内容（问答对）之间存在着复杂的信息关联，文本内容与用户标签协同以及用户交互反过来赋予文本内容更丰富的语义。社区问答中意见型问题占有很大比重，严重制约了社区问答分析的智能化水平。但是目前已有的研究工作主要集中在事实型问题的分析、答案检索以及用户行为建模等方面，对意见型问题分析和答案生成的研究工作相对较少，特别是缺乏系统性的研究。本申请课题以社区问答中意见型问题分析与答案生成为研究对象，以协同计算为研究方法，研究内容包括：（1）融合社会关联和协同计算的用户问题情感极性分析；（2）基于稀疏表达和分布式计算的相似问题协同检索；（3）基于局部关联和协同分析的答案自动生成。本申请课题的研究成果将为问答系统以及意见型问题的分析提供参考。

社区问答是自然语言处理和信息检索领域的重要研究课题之一，本课题研究社区问答中意见型问题分析与答案生成技术，主要研究内容包括：基于图正则化的无监督观点问句分析方法、基于卷积神经网络的实体关系抽取、基于组结构稀疏的相似问句协同检索、快速鲁棒的社区问答相似问题检索方法、基于多视角的跨语言情感分析方法、基于深度表示学习的相似问句协同检索、基于深度迁移学习的跨语言情感信息抽取方法、基于双向深度迁移学习的跨领域情感信息抽取方法以及基于非负矩阵分解的相似问题检索方法等。主要研究成果包括：17篇学术论文，其中包括SCI索引的国际期刊论文6篇，国际顶级会议论文9篇，申请国家发明专利4项、申请计算机软件著作登记4项，同时建立了大规模的语言资源，并参加NLPCC 2016中文知识库问答竞赛获得第三名的成绩，推动了该领域的研究发展。