一、摘要

先引入問題。由于數據的大量增長，采用直觀的途徑獲取信息越來越重要，問答系統是一個既滿足直觀性又滿足表達能力的折衷方案。

然后介紹通用的做法，有什么難點。將問題轉化問rdf三元組，去知識庫中檢索答案，該方式不能很好的表示自然語言問題的語義，很多問題回答不了。

接著介紹本文的方法。對問題進行深層語義解析，產生一個sparql查詢模板，該模板能完整的映射問題的語義結構。利用統計實體識別和謂詞檢測等方法填充模板中的槽。

最后表明本系統的回答問題的能力要優于其他系統。

二、介紹

先介紹通常情況的問答解析思路，把問題轉化為N個三元組來表示，然后去知識庫中檢索。

然后舉了幾個把問題轉換成sparql模板的例子，重點描述了含有more than、most的例子。

三、模板生成

利用Pythia，通過借助領域無關詞庫和領域相關詞庫產生自然語言問題的句法樹（詞匯化鄰接樹算法）和語義表示。

四、實體識別

名詞短語和名詞采用通用的識別算法（字串相似度）。謂詞檢測采用知識庫和BOA pattern結合的方法，定義support、typicity和specificity給謂詞打分，得分最高的就是最佳謂詞表達式（自然語言問題）—謂詞（知識庫）的映射關系。

五、query排序與查詢

經過三、四兩個環節會產生多個spraql查詢，根據相似性分數和顯著性分數，以及類型一致性檢查、空結果剔除等方法，獲得合適的query。