·508 智能系统学报 第3卷 似的问题，另外一个是干扰问题.这些问题和答案与 些观点、看法甚至是某人的喜好，而不是既定的客观 从百度知道中获取的问题和答案组成了情感问题分 事实.所以本文根据2.2节所界定的五大情感问题 类以及后面的答案抽取的实验语料。 类型的特点选择不同的答案抽取策略 手工对所有情感问题语料进行组块标注，取其 对于事实类和原因类情感问题，应用一般事实 中2/3用于训练CRF模型，其余1/3用于测试.使 性问答系统抽取答案的方法，即在获得问题类型以 用CoNLL20O0官方的Chunking评测标准a1,各个 后从已获取的文档集中抽取出相应的正确答案.不 组块识别的结果见表5. 同的是，还需要考虑其情感信息.另外，利用前面组 表5组块识别评测结果 块识别的结果对候选句子进行过滤，如通过名词短 Table 5 Chunk identification results 语的识别进一步获得问题的焦点，如“伊能静喜欢 Chunk 准确度 召回率 F值 看谁的书？”，名词“书”便是问题的焦点.具体答案 ADF 88.24 83.33 85.71 抽取策略如下： ADVP 100 100 100 1)如果问句有人名，则候选答案必须含有相应 CP 92.31 92.31 92.31 的焦点人物的人名； NH 96.61 95.00 95.80 2)候选答案与问题的倾向性保持一致； NP 72.22 76.47 74.29 3)候选答案中至少含有一个问题的焦点中的 PP 66.67 40.00 50.00 名词； QP 87.88 96.67 92.06 4)删掉问句中的疑问词和标点符号后与候选 RP 85.71 80.00 82.76 答案进行相似度计算。 UP 97.62 89.13 93.18 由于评价类、比较类和是否类这3种类型询问 P 88.75 86.59 87.65 的多是大众的看法，故简单地从文档中抽取一句话 以上各组块对于不同类型的情感问题有着不同 作为答案并没有实际意义.这3类问题与基于事实 程度的区分和提示作用.如在获得事实类的情况下， 的问题有着根本的区别，因此导致答案抽取方式的 针对不同的疑问词对事实类进一步细分，而名词短 不一样.2.1节中的百度知道语料，是一个常问问题 语NP的识别则有助于获得问题的焦点，动词短语 知识库，所不同的是每个问题下面所提供的答案形 VP则可以帮助分析情感问题的倾向性， 式更加多样化.本文对于这3种情感问题首先找到 利用以上组块识别的结果，结合规则和情感资 百度知道问题集中的相似问题，其方法如下： 源得到分类的准确率为91.4%，表6为Chunk-CRF 1)候选问句必须含有相应焦点人物的人名； 模型结合规则的评测结果 2)候选问句的倾向性应与问题的倾向性保持 表6问题分类结果 致； Table 6 Question classification results 3)利用基于TF-IDF(term frequency-inverse doc 问题类型 测试数 准确数 准确率/% ument frequency)的方法对问题与候选问句进行相 事实类 70 87 似度计算. 然后通过此相似问题统计其在百度知道中对应 原因类 33 32 97 比较类 哈 的大众所提供的答案，得到大众的支持度或反对度 36 100 作为问题的答案.在对每个答案进行统计时主要考 是否类 53 48 91 虑： 由表6可得，事实类与评价类的准确度稍低， 1)如果问题属于比较类，考虑被比较对象出现 方面是因为这两种问题的句子结构比较相似，另外 的位置，以及其在一定窗口内出现的倾向性词语与 NP和ADP组块识别的错误也导致了问题分类的 问题的倾向性是否一致，一致则得分加1，不一致则 错误.相对于原因类和比较类，是否类句子结构比较 其他对象加1分； 灵活，故准确度相对较低 2)如果问题属于评价类，主要是一些列举问 3答案抽取 题，对答案中列举出来的对象累积列举次数； 3)如果问题属于是否类，则判断是肯定回答还 3.1答案抽取策略 是否定回答，得到支持率与反对率. 情感问题具有非常主观的个人因素，如询问一 统计时由于网络用语的不规范，以及人名特别