Q21）WSem_Sim（Q11，Q22）…WSem_Sim（Q11，Q2m）WSem_Sim（Q11，

F（Q1，Q2）=

WSem_Sim（Q12，Q21）WSem_Sim（Q12，Q22）…WSem_Sim（Q12，Q2m）…

WSem_Sim（Q1n，Q21）WSem_Sim（Q1n，Q22）…WSem_Sim（Q1n，Q2m）

则问句Q1和Q2的语义相似度为：

Sem_Sim1（Q1，Q2）=

n

4答案抽取算法

（Wi∑i=1

×max（WSem_Sim（W1i，W2j））

j=1．m

设用户问句Qt以及候选问句集合Q=｛Q1，

Q2，．．Qm｝，返回相关答案的个数k：

（9）

Step1：对问句进行分词等预处理，并利用同义词词库进行关键词扩展，得到各个问句的关键词集；

Step2：遍历所有候选问句按以下方法计算相似度；

（10）

For

i=1

to

m

读入候选问句Qi；

按公式（1）－（3）计算Qt和Qi的词形

（11）

相似度、词序相似度和句长相似度

按公式（4）－（6）计算Qt和Qi词语的概念相似度

词语语义聚类

按公式（7）－（8）计算聚类后词语的权值按公式（9）－（11）计算Qt和Qi的语

义相似度

按公式（12）－（13）计算两个问句Qt

和Qi的相似度

Nexti

Step3：按候选问句的相似度排序，取前k个候选问句的答案。

n

同理问句Q2和Q1的语义相似度为：Sem_Sim2（Q1，Q2）=

m

（Wi∑i=1

×max（WSem_Sim（W1j，W2i））

j=1．n

m

最后求平均得到两个问句的语义相似度：Sem_Sim（Q1，Q2）=Sem_Sim1（Q1，Q2）+Sem_Sim2（Q1，Q2）

2

3基于多特征融合的问句相似度计算

由上分析可知：问句的相似度包括表层相似度和语义相似度。表层相似度从词形、长度和词序分别反映了问句的不同侧面信息，语义相似度反映问句与候选问句之间的深层语义特征的相关程度，因此，本文先采用线性融合方法，融合三种表层特征：

Sur_Sim（Q1，Q2）=λ1×WordSim（Q1，Q2）+Q2）+λ3×OrdSim（Q1，Q2）λ2×LenSim（Q1，

（12）其中：λ1、λ2和λ3分别表示词形、长度和词序三种特征的权值，经过在问题集中的测试，取λ1=0．6，λ2=0．2，λ3=0．2．

再将表层特征融合语义特征，问句的相似度为：

Sim（Q1，Q2）=a1×Sur_Sim（Q1，Q2）+a2×Sem_Sim（Q1，Q2）

（13）

a2为表层和语义特征的权值，其中：a1、经过

a2=0．6．在问题集中的测试，取a1=0．4，

表1

候选问句

Q1Q2Q3Q4

WordSim0．3670．40．40．4

LenSim0．909111

0．50．50．50．75OrdSim

5实验结果及分析

以人工分词的100个汉语语句作为测试集，以

：“淮阴工学院究竟在哪招生领域为例，设问句Qt，Q2，Q3，Q4｝，Q1：里？”候选问句集合Q=｛Q1，

“淮阴工学院的联系方式是什么？”，Q2：“淮阴工，Q3：“淮阴工学院地址是多学院就业情况如何？”

，Q4：“淮阴工学院在什么地方？”。按本文的少？”

答案抽取算法，测试结果如表1所示：

实验结果

Sur-Sim0．5020．540．540．59

Sem-Sim0．7010．6990．8370．903

Sim0．6210．6350．7180．778