13、概念图查询与自然智能问答系统解析

概念图查询与自然智能问答系统解析

在信息检索和自然语言处理领域，如何高效地表达查询以及实现常识问答是两个重要的研究方向。本文将介绍一种从关键词构建概念图查询的方法，以及一个基于组合范畴语法（CCG）和概念图（CG）的自然智能问答系统。

概念图查询构建流程

从关键词构建概念图查询主要包含以下几个关键步骤：

步骤 5：对 c - 映射的相关性进行排序

为了对概念化查询与所有模式比较得到的 c - 映射进行排序，需要计算基于概念顶点语义接近度的相关度。评估给定 c - 映射的标准如下：
- (|Cq=|) 越大，映射 (m) 越相关。
- (|Cq<|) 越大，映射 (m) 越相关。若查询针对某个概念，而模式针对该概念的泛化，模式相对于查询的特化会产生相关查询。
- (|Cq>| )越大，映射 (m) 越相关。若查询针对某个概念，而模式针对该概念的特化，模式相对于查询的泛化可能产生语法正确但不相关的查询。
- (ponly = Cp(τ=(ci)∪τ<(ci)∪τ>(ci))∀ci∈Cq) 越大，映射 (m) 越不相关，即模式中未映射的概念数量越多，映射的相关性越低。

相关度计算公式为：
(relevance(m) = (|Cq=| + 0.9 ∗|Cq<| + 0.8 ∗|Cq>|)/(1 + 0.2 ∗|ponly|))

系数是经过实验调整的，但还需要进一步实验来优化相关度计算。目前排名未考虑特化/泛化程度的度量。最相关的 c - 映射将按相关度排序呈现给用户。

例如，对于之前计算的 c - 映射 (m1) 和 (