基于深度学习的先秦典籍问句自动分类研究

作     者：王东波 高瑞卿 沈思 李斌 Wang Dongbo;Gao Ruiqing;Shen Si;Li Bin

作者机构：南京农业大学信息科学技术学院南京210095 南京理工大学经济管理学院南京210094 南京师范大学文学院南京210097 

出 版 物：《情报学报》 (Journal of the China Society for Scientific and Technical Information)

年 卷 期：2018年第37卷第11期

页      面：1114-1122页

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 081203[工学-计算机应用技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：的典籍知识库构建及人文计算研究"(15ZDB127)">国家社会科学基金重大项目"基于<汉学引得丛刊>的典籍知识库构建及人文计算研究"(15ZDB127) 国家自然科学基金面上项目"基于典籍引得的句法级汉英平行语料库构建及人文计算研究"(71673143) 

主　　题：先秦典籍 数字人文 问句分类 特征提取 深度学习 

摘      要：近年来,自动问答系统已成为机器学习、信息检索和自然语言处理领域的研究热点。问句分类作为问答系统要处理的第一步,其分类结果的好坏直接影响问答系统的质量,但目前大部分问句分类研究集中在现代汉语领域,针对古文相关内容的问句分类研究相对较少。本文从问句分类的概念出发,构建了古文文献问句分类体系,然后利用TF-IDF提取类别特征词,先后利用支持向量机、条件随机场、深度学习模型完成针对先秦10部典籍的问句自动分类实验。结果表明,3种分类模型中,使用Bi-LSTM模型分类效果最好,在本文提出的7种类别上,达到调和平均值94.78%,具有较强的推广和应用价值。