کاهش شکاف معنایی در دسته‌بندی پرسش‌ها با بهره‌گیری از قوانین طبقه‌بندی

نویسندگان

1 عضو هیئت علمی دانشگاه یزد

2 دانشجوی کارشناسی ارشد دانشگاه یزد

چکیده

چکیده: دسته‌بندی پرسش‌ها[i] یکی از مؤلفه‌های حیاتی سیستم‌های بازیابی اطلاعات[ii] و پاسخ‌گویی به پرسش[iii] است. هدف از دسته‌بندی پرسش، شناسایی دقیق نوع پاسخ موردانتظار آن و انتساب برچسبی به آن مطابق با دسته‌ای است که پرسش در آن قرار می‌گیرد. تاکنون با دو رویکرد مبتنی بر قانون[iv] و یادگیری ماشین[v]، پژوهش‌های متعددی در این حوزه صورت پذیرفته است. هدف ما در این پژوهش تلفیق نتایج این دو رویکرد به‌منظور افزایش صحت[vi] دسته‌بندی است. نوآوری اصلی ارائه‌شده در این پژوهش، غنی‌سازی بردار ویژگی کیسه‌ کلمات[vii] حاصل از پرسش‌ها با قوانین دسته‌بندی است. اهمیت روش تلفیق ارائه‌شده در این مقاله امکان استفاده از مخازن قوانین با ساختار طبقه‌بندی متفاوت نسبت به ساختار موجود برای دسته‌بندی پرسش‌ها است. نتایج حاصل از پیاده‌سازی روش پیشنهادی بر دادگان UIUC بیانگر مؤثر بودن روش پیشنهادی در بهبود صحت دسته‌بندی پرسش‌ها است.
 

کلیدواژه‌ها


عنوان مقاله [English]

Bridging the semantic gap in question classification by categorization rules

  [1] O. Kolomiyets and M. F. Moens, “A survey on question answering technology from an information retrieval perspective,” Information Science, vol. 181, no. 24, pp. 5412-5434, 2011.
  [2] T. Desai and A. Parmar, “A survey on different approaches of question answering system,” Advanced Research in Engineering, Science and Management, vol. 1, no. 5, 2013.
  [3] S. K. Dwivedi and V. Singh, “Integrated question classification based on rules and pattern matching,” International Conference on Information and Communication Technology for Competitive Strategies (ICTCS), pp. 1-7, 2014.
  [4] M. Mishra, V. K. Mishra and Dr. H. R. Sharma, ”Question Classification using semantic, syntactic and lexical features,” International Journal of Web and Semantic Technology, vol. 4, no. 3, pp. 39-47, 2013.
  [5] B. Loni, A Survey of State-of-the-art Methods on Question Classification, Technical Report, Delft University of Technology, pp. 1-40, Aug, 2011.
  [6] J. Silva, L. Coheur, A. C. Mendes and A. Wichert, “From symbolic to sub-symbolic information in question classification,” Artificial Intelligence, vol. 35, no. 2, pp. 137-154, 2010.
  [7] Hardy and Y. Cheah, “Question classification using extreme learning machine on semantic features,” Journal of ICT Research and Applications, vol. 7, no. 1, pp. 36-58, 2013.
  [8] U. Hermjakob, E. Hovy, C. Lin and L. Gerber, “Automated question answering in Webclopedia: a demonstration,” 2nd International Conference on Human Language Technology Research, pp. 370-371, 2002.
  [9] Z. Huang, M. Thint and Z. Qin, “Question classification using Headwords and their Hypernyms,” Empirical Methods in Natural Language Processing, pp. 927-936, 2008.
[10] K. Hacioglu and W. Ward, “Question classification with Support Vector Machines and error correcting codes,” Conference of the North American Chapter of theAssociation for Computational Linguistics on Human Language Technology, vol. 2, pp. 28-30, 2003.
[11] D. Zhang and W. S. Lee, “Question classification using Support Vector Machines,” The ACM SIGIR Conference in Information Retrieval, pp. 26-32, 2003.
[12] V. Krishnan, S. Das and S. Chakrabarti, “Enhanced answer type inference from questions using sequential model,” Human Language Technology and Empirical Methods in Natural Language Processing, pp. 315-322, 2005.
[13] A. Sangodiah, M. Muniandy and L. E. Heng, “Question classification using statistical approach: A complete review,” Theoretical and Applied Information Technology, vol. 71, no. 3, pp. 386-395, 2015.
[14] P. Biswas, A. Sharan and R. Kumar, “Question classification using syntactic and rule-based approach,” Advanced in Computing, Communication and Informatics (ICACCT), pp. 1033-1038, 2014.
[15] C.C.T. Kwok, O. Etzioni, D.S. Weld, “Scaling question answering to the web,” 10th International Conference on World Wide Web, pp. 150-161, 2001.
[16] N. Kalchbrenner, E. Grefenstette and P. Blunsom, “A Convolutional Neural Network for Modelling Sentences,” 52nd Annual Meeting of the Association for Computational Linguistics, pp. 1-11, 2014.
[17] Y. Kim, “Convolutional neural networks for sentence classification,” EMNLP, pp. 1746–1751, Sep. 2014.
[18] http://www.isi.edu/natural-language/projects/ webclopedia/Taxonomy/taxonomy_toplevel.html (2015/06/20)
[19] X. Li, D. Roth, “Learning question classifiers: The role of semantic information,” 19th International Conference on Computational Linguistics, Association for computational linguistics, pp. 1-7, 2002.