[论文解读] Question Answering in a Natural Language Understanding System Based on Object-Oriented Semantics

Yuriy Ostapov|arXiv (Cornell University)|Nov 18, 2011

Advanced Computational Techniques and Applications参考文献 2被引用 4

一句话总结

本文提出了一种基于面向对象语义的问答系统，能够处理自然语言文本，回答关于社会行为的一般性（是/否）问题和特殊问题（例如，谁、什么、哪里）。该系统通过句法和语义解析将问题映射为结构化谓词，再应用识别算法匹配知识库中的实体和动作，从而在犯罪学、商业和医学等领域实现准确回答。

ABSTRACT

Algorithms of question answering in a computer system oriented on input and logical processing of text information are presented. A knowledge domain under consideration is social behavior of a person. A database of the system includes an internal representation of natural language sentences and supplemental information. The answer {\it Yes} or {\it No} is formed for a general question. A special question containing an interrogative word or group of interrogative words permits to find a subject, object, place, time, cause, purpose and way of action or event. Answer generation is based on identification algorithms of persons, organizations, machines, things, places, and times. Proposed algorithms of question answering can be realized in information systems closely connected with text processing (criminology, operation of business, medicine, document systems).

研究动机与目标

• 开发一种自然语言理解系统，能够基于文本输入，利用形式化的语义表示回答复杂问题。
• 解决现有信息系统中仅一小部分文本数据被正式结构化的问题，特别是在犯罪学、商业和医学等领域的局限。
• 通过本体论的、面向对象的框架对现实世界中的对象、动作和事件进行建模，实现对大量自然语言文本的逻辑处理。
• 通过识别问题中的主语、宾语、时间、目的等要素并进行谓词匹配，支持一般性（是/否）和特殊问题（例如，谁、什么、何时）的回答。
• 证明使用面向对象语义对非结构化文本进行形式化，可显著提高计算机在现实应用中推理的准确性和范围。

提出的方法

• 基于巴克斯-诺尔范式（BNF）的句法解析，将问题分类为一般性（是/否）或特殊性（基于疑问词）类型。
• 应用语义分析，从解析后的问题和数据库语句中生成结构化谓词（例如，人物、组织、动作、事件、地点、时间）。
• 采用识别算法，通过比较谓词字段（例如，名称、代码、语义类型、时态、否定）来匹配问题与知识库中的实体。
• 通过同义词匹配实现动词比对，并对主语、宾语、地点、时间及动作属性进行逐字段比较，以确定身份一致性。
• 针对特殊问题，通过识别特定问题类型（例如，谁、为何、持续多久）并从匹配的谓词中检索相应属性。
• 当无法找到直接匹配时，通过基于规则的系统从LEIBNIZ知识库中存储的事实进行推理，生成答案。

实验结果

研究问题

• RQ1 如何通过句法和语义解析，使自然语言理解系统准确回答一般性的是/否问题？
• RQ2 哪些机制能够实现在自然语言问题与结构化知识库之间对实体（人物、组织、动作）的识别与匹配？
• RQ3 如何通过谓词表示中的特定语义字段，将疑问词（如谁、什么、何时、为何）映射到对应语义域，以解决特殊问题？
• RQ4 面向对象语义在犯罪学和企业管理等领域的非结构化文本处理中，能在多大程度上提升处理效果？
• RQ5 谓词匹配与同义词识别在从自然语言输入中实现可靠答案生成的过程中，起到何种作用？

主要发现

• 系统通过将问题的谓词结构与LEIBNIZ知识库中的事实进行匹配，成功回答了一般性问题，给出是或否的回答。
• 特殊问题通过识别相关语义域（例如，主语、宾语、时间、目的）并从匹配的数据库谓词中检索对应值来解决。
• 识别算法通过比较名称、代码、性别和语义类型等字段，在人物、组织和动作的匹配中实现了高精度。
• 系统通过匹配动词同义词、主语、宾语及副词修饰语（例如，地点、时间、目的），支持涉及动作和事件的复杂查询。
• 该方法能够处理当前形式化程度较低的领域中的大量自然语言文本，如犯罪学和医学记录。
• 使用面向对象语义使系统具备可扩展性，并能与现代开发工具（例如，Visual Studio、Delphi）和数据库系统（例如，Oracle、SQL Server）集成。