کاهش شکاف معنایی در دسته بندی پرسش ها با بهره گیری از قوانین طبقه بندی

دسته بندی پرسش ها[i] یکی از مولفه های حیاتی سیستم های بازیابی اطلاعات[ii] و پاسخ گویی به پرسش[iii] است. هدف از دسته بندی پرسش، شناسایی دقیق نوع پاسخ موردانتظار آن و انتساب برچسبی به آن مطابق با دسته ای است که پرسش در آن قرار می گیرد. تاکنون با دو رویکرد مبتنی بر قانون[iv] و یادگیری ماشین[v]، پژوهش های متعددی در این حوزه صورت پذیرفته است. هدف ما در این پژوهش تلفیق نتایج این دو رویکرد به منظور افزایش صحت[vi] دسته بندی است. نوآوری اصلی ارائه شده در این پژوهش، غنی سازی بردار ویژگی کیسه کلمات[vii] حاصل از پرسش ها با قوانین دسته بندی است. اهمیت روش تلفیق ارائه شده در این مقاله امکان استفاده از مخازن قوانین با ساختار طبقه بندی متفاوت نسبت به ساختار موجود برای دسته بندی پرسش ها است. نتایج حاصل از پیاده سازی روش پیشنهادی بر دادگان UIUC بیانگر موثر بودن روش پیشنهادی در بهبود صحت دسته بندی پرسش ها است.