TAILIEUCHUNG - Báo cáo khoa học: "Modeling Semantic Relevance for Question-Answer Pairs in Web Social Communities"

Quantifying the semantic relevance between questions and their candidate answers is essential to answer detection in social media corpora. In this paper, a deep belief network is proposed to model the semantic relevance for question-answer pairs. Observing the textual similarity between the community-driven questionanswering (cQA) dataset and the forum dataset, we present a novel learning strategy to promote the performance of our method on the social community datasets without hand-annotating work. . | Modeling Semantic Relevance for Question-Answer Pairs in Web Social Communities Baoxun Wang Xiaolong Wang Chengjie Sun Bingquan Liu Lin Sun School of Computer Science and Technology Harbin Institute of Technology Harbin China bxwang wangxl cjsun liubq lsun @ Abstract Quantifying the semantic relevance between questions and their candidate answers is essential to answer detection in social media corpora. In this paper a deep belief network is proposed to model the semantic relevance for question-answer pairs. Observing the textual similarity between the community-driven questionanswering cQA dataset and the forum dataset we present a novel learning strategy to promote the performance of our method on the social community datasets without hand-annotating work. The experimental results show that our method outperforms the traditional approaches on both the cQA and the forum corpora. 1 Introduction In natural language processing NLP and information retrieval IR fields question answering QA problem has attracted much attention over the past few years. Nevertheless most of the QA researches mainly focus on locating the exact answer to a given factoid question in the related documents. The most well known international evaluation on the factoid QA task is the Text REtrieval Conference TREC 1 and the annotated questions and answers released by TREC have become important resources for the researchers. However when facing a non-factoid question such as why how or what about however almost no automatic QA systems work very well. The user-generated question-answer pairs are definitely of great importance to solve the nonfactoid questions. Obviously these natural QA pairs are usually created during people s communication via Internet social media among which we are interested in the community-driven 1http question-answering cQA sites and online forums. The cQA sites or systems provide platforms where users can either ask questions or deliver .

• Báo cáo khoa học
• Modeling Semantic Relevance
• Question Answer Pairs
• Web Social Communities
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball