[发明专利]词法答案类型置信度估计和应用

说明书

相关申请的交叉引用

本发明涉及并要求2010年9月24日提交的共同拥有、共同未决的第61/386,029号美国临时专利申请的提交日期的优先权，此临时专利申请的所有公开内容在此全部引入作为参考。

背景技术

有关问答（QA）的当前问题和方法的介绍可以在基于Web的参考http://en.wikipedia.org/wiki/Question_answering中找到。一般而言，QA是一种类型的信息检索。如果给出文档集合（例如万维网或本地集合），则系统应能够检索以自然语言提出的问题的答案。QA被视为比其它类型信息检索（例如文档检索）需要更复杂的自然语言处理（NLP）技术，并且有时被视为超越搜索引擎的后续步骤。

QA研究尝试处理各种问题类型，包括：事实、列表、定义、方式、原因、假设、语义约束和跨语言问题。搜索集合有所不同，从小型本地文档集合到内部组织文档，到编译后的新闻专线报道，再到万维网。

闭域QA在特定领域（例如，医学或汽车维修）下处理问题，并且可以被视为更容易的任务，因为NLP系统可以利用通常以本体形式化的领域特定的知识。开域QA处理有关几乎任何事物的问题，并且只能依赖通用本体和世界知识。另一方面，这些系统通常具有可从其中提取答案的更多数据。

备选地，闭域QA可能指这样一种情况：其中仅接受受限类型的问题，例如询问描述性信息而不是过程信息的问题。

对信息的访问目前由两种范式控制。第一，数据库查询，其回答有关结构化记录集合中的内容的问题。第二，搜索，其响应于针对非结构化数据（例如，文本或html）集合的查询而提供文档链接集合。

这种信息查询范式的一个未解决的主要问题是：没有能够根据包括在文档集合（可以是结构化、非结构化或这两者）中的信息准确回答实际问题的计算机程序。这种实际问题可以是宽泛的（例如“what are the risks of vitamin K deficiency?（维生素K缺乏的危害是什么？）”），或者是狭窄的（例如“when and where was Hillary Clinton’s father born?（希拉里·克林顿的父亲出生在何时何地？）”）。

面临的挑战是理解查询，查找可能包含答案的适当文档，以及提取正确答案以提供给用户。

发明内容

在一个方面，提供了一种进行问答的计算基础架构和方法，所述问答解决有关针对特定查询计算错误LAT的问题。

在一个方面，提供了一种自动估计查询检测到的LAT的置信度，以便为候选答案提供更准确的整体得分的系统、方法和计算机程序产品。获得每个检测到的LAT的置信度“得分”或值，并且所述系统和方法执行以下操作：将所述置信度得分与LAT和候选答案之间的匹配度组合，以便为所述候选答案提供改进的整体得分。

因此，在一个方面，提供了一种用于自动生成问题答案的系统和方法。所述方法包括：确定与输入查询关联的词法答案类型（LAT）；计算输入查询LAT的第一得分，其中所述第一得分指示所述查询LAT的质量；从信息源获得所述输入查询的候选答案；确定所述候选答案的答案类型（AT）；比较所述查询LAT与候选答案AT；计算表示所比较的查询LAT与所述候选答案AT之间的匹配度的第二得分；以及组合所述第一得分与所述第二得分，以便提供指示所述候选答案的质量的总得分，其中处理设备自动执行所述确定查询LAT、计算所述第一得分和第二得分、获得候选答案、确定AT、比较以及组合步骤中的一个或多个。

在一个方面，计算与所述输入查询关联的所述查询LAT的第一得分包括：提取描述所确定的查询LAT的特性集合；以及向所述特性集合应用模型，以便产生表示所确定的查询LAT的估计准确性的LAT置信度值，所述第一得分包括所述置信度值。

在另一方面，提供了一种用于自动生成问题答案的系统，所述系统包括：存储设备；一个或多个处理器设备，每个处理器设备与所述存储设备通信，并被配置为执行一种方法，所述方法包括：确定与输入查询关联的词法答案类型（LAT）；计算查询LAT的第一得分，其中所述第一得分指示所述查询LAT的质量；从信息源获得所述输入查询的候选答案；确定所述候选答案的答案类型（AT）；比较查询LAT与所述候选答案AT；计算表示所比较的查询LAT与所述候选答案AT之间的匹配度的第二得分；以及组合所述第一得分与所述第二得分，以便提供指示所述候选答案的质量的总得分。