Nghiên Cứu Quy Tắc Ripple Down Trong Phân Tích Câu Hỏi

Luận văn thạc sĩ nghiên cứu ripple down rules for question analysis, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện trong lĩnh vực .

• Tác giả: Nguyen Quoc Dat
• Người hướng dẫn: Dr. Pham Bao Son
• Trường học: Vietnam National University, Hanoi
• Chuyên ngành: Computer Science
• Đề tài: Nghiên Cứu Quy Tắc Ripple Down Trong Phân Tích Câu Hỏi
• Loại tài liệu: master thesis
• Năm xuất bản: 2011
• Địa điểm: Hanoi

Tóm tắt

I. Tổng Quan Nghiên Cứu Quy Tắc Ripple Down Rules RDR

Sự phát triển vượt bậc của thông tin trực tuyến đòi hỏi các công nghệ truy xuất thông tin (IR) tiên tiến hơn để đáp ứng nhu cầu của người dùng. Các công cụ tìm kiếm hiện tại thường trả về danh sách các tài liệu liên quan được xếp hạng, và người dùng phải tự tìm kiếm thông tin mong muốn. Nghiên cứu này tập trung vào việc chuyển đổi câu hỏi ngôn ngữ tự nhiên thành biểu diễn trung gian rõ ràng, sử dụng các quy tắc Ripple Down Rules (RDR). Các phương pháp dựa trên quy tắc hiện tại thường tốn kém và dễ mắc lỗi do việc tạo quy tắc thủ công. Luận văn này đề xuất một phương pháp độc lập với ngôn ngữ để tạo các quy tắc này một cách có hệ thống, đảm bảo tính nhất quán giữa các quy tắc và giảm thiểu tương tác không mong muốn giữa chúng. Phương pháp này sử dụng RDR, một phương pháp luận thu nhận tri thức, để đạt được mục tiêu này.

1.1. Bài Toán Phân Tích Câu Hỏi Ngôn Ngữ Tự Nhiên

Nhiệm vụ chính là chuyển đổi câu hỏi ngôn ngữ tự nhiên thành biểu diễn trung gian, điều này rất quan trọng trong các hệ thống trả lời câu hỏi. Hầu hết các công trình nghiên cứu hiện tại sử dụng phương pháp dựa trên quy tắc. Tuy nhiên, quá trình tạo quy tắc thường không được thảo luận chi tiết. Việc tạo quy tắc thủ công một cách ad-hoc rất tốn kém và dễ xảy ra lỗi, đặc biệt khi độ phức tạp của biểu diễn và sự đa dạng của cấu trúc câu hỏi tăng lên. Nghiên cứu này tập trung vào việc đề xuất một phương pháp độc lập với ngôn ngữ để tạo ra các quy tắc đó một cách thủ công, duy trì tính nhất quán giữa các quy tắc và nỗ lực tạo ra một quy tắc mới độc lập với kích thước của bộ quy tắc hiện tại.

1.2. Giới Thiệu Về Hệ Thống Dựa Trên Tri Thức Knowledge Based Systems

Nghiên cứu này giới thiệu một phương pháp ad-hoc để xử lý các câu hỏi tự nhiên tiếng Việt trong thành phần phân tích ngôn ngữ tự nhiên. Các câu hỏi tự nhiên sẽ được chuyển đổi thành các phần tử biểu diễn trung gian, bao gồm cấu trúc câu hỏi, loại câu hỏi, các từ khóa trong câu hỏi và các ràng buộc ngữ nghĩa giữa chúng thông qua các quá trình như tiền xử lý, phân tích cú pháp và phân tích ngữ nghĩa trên các chú thích ngữ nghĩa thông qua các quy tắc ngữ pháp JAPE trên khung GATE. Quan trọng hơn, nghiên cứu tập trung vào việc trình bày một phương pháp độc lập với ngôn ngữ sử dụng phương pháp luận thu nhận tri thức Ripple Down Rules (RDR) để thu thập các quy tắc một cách có hệ thống, trong đó tính nhất quán giữa các quy tắc được duy trì trong khi tránh các tương tác không mong muốn giữa các quy tắc.

II. Vấn Đề Tạo Quy Tắc Thủ Công Trong Phân Tích Câu Hỏi

Trong các phương pháp tiếp cận dựa trên quy tắc hiện có, việc tạo quy tắc thủ công một cách ad-hoc là rất tốn kém và dễ mắc lỗi, đặc biệt khi xử lý các câu hỏi phức tạp và đa dạng. Ví dụ, các phương pháp xử lý câu hỏi tiếng Anh như Aqualog đòi hỏi nỗ lực đáng kể để quản lý tương tác giữa các quy tắc. Luận văn này đề xuất một phương pháp sử dụng Ripple Down Rules (RDR) để giải quyết vấn đề này bằng cách tạo ra các quy tắc một cách có hệ thống, đảm bảo tính nhất quán và tránh các tương tác không mong muốn. Điều này giúp giảm thiểu thời gian và công sức cần thiết để phát triển và duy trì hệ thống.

2.1. Khó Khăn Trong Duy Trì Tính Nhất Quán Của Quy Tắc

Việc tạo quy tắc thủ công có thể dẫn đến sự không nhất quán giữa các quy tắc, đặc biệt khi số lượng quy tắc tăng lên. Khi các quy tắc được tạo ra một cách độc lập, chúng có thể chồng chéo hoặc mâu thuẫn với nhau, dẫn đến kết quả không chính xác. Ripple Down Rules (RDR) giúp giải quyết vấn đề này bằng cách yêu cầu mỗi quy tắc mới phải được tạo ra trong ngữ cảnh của một quy tắc hiện có, đảm bảo rằng nó không mâu thuẫn với các quy tắc đã có.

2.2. Tương Tác Không Mong Muốn Giữa Các Quy Tắc

Các quy tắc có thể tương tác với nhau một cách không mong muốn, dẫn đến kết quả không chính xác hoặc không mong muốn. Điều này đặc biệt đúng khi các quy tắc được tạo ra một cách ad-hoc mà không xem xét đến tác động của chúng đến các quy tắc khác. RDR giúp tránh vấn đề này bằng cách yêu cầu mỗi quy tắc mới phải được kiểm tra để đảm bảo rằng nó không gây ra bất kỳ tác động không mong muốn nào đến các quy tắc hiện có.

III. Cách Sử Dụng Ripple Down Rules RDR Trong Phân Tích Câu Hỏi

Ripple Down Rules (RDR) là một phương pháp luận thu nhận tri thức cho phép tạo ra các quy tắc một cách có hệ thống, đảm bảo tính nhất quán và tránh các tương tác không mong muốn. Trong phân tích câu hỏi, RDR có thể được sử dụng để tạo ra các quy tắc chuyển đổi câu hỏi ngôn ngữ tự nhiên thành biểu diễn trung gian. Mỗi quy tắc bao gồm một điều kiện và một kết quả. Điều kiện là một biểu thức logic mô tả một đặc điểm của câu hỏi, và kết quả là một hành động cần thực hiện khi điều kiện được đáp ứng. Ví dụ, một quy tắc có thể có điều kiện là "câu hỏi bắt đầu bằng từ 'ai'" và kết quả là "xác định loại câu hỏi là 'câu hỏi về người'".

3.1. Thuật Toán Ripple Down Rules Để Xây Dựng Quy Tắc

Thuật toán Ripple Down Rules (RDR) bắt đầu với một quy tắc gốc. Khi một trường hợp mới được gặp phải mà quy tắc gốc không xử lý đúng, một quy tắc mới được tạo ra để xử lý trường hợp đó. Quy tắc mới được liên kết với quy tắc gốc, tạo thành một "ripple". Quá trình này tiếp tục khi các trường hợp mới được gặp phải, tạo ra một cây các quy tắc. Mỗi quy tắc mới phải được tạo ra trong ngữ cảnh của một quy tắc hiện có, đảm bảo rằng nó không mâu thuẫn với các quy tắc đã có.

3.2. Biểu Diễn Tri Thức Bằng Quy Tắc Ripple Down trong RDR

Trong RDR, tri thức được biểu diễn dưới dạng một cây các quy tắc. Mỗi quy tắc trong cây bao gồm một điều kiện và một kết quả. Điều kiện là một biểu thức logic mô tả một đặc điểm của câu hỏi, và kết quả là một hành động cần thực hiện khi điều kiện được đáp ứng. Cây quy tắc được xây dựng một cách tăng dần khi các trường hợp mới được gặp phải. Các quy tắc mới được thêm vào cây để xử lý các trường hợp mà các quy tắc hiện có không xử lý đúng.

IV. Ứng Dụng Thực Tiễn Của Quy Tắc Ripple Down Rules RDR

Ripple Down Rules (RDR) đã được ứng dụng thành công trong nhiều lĩnh vực, bao gồm chẩn đoán y tế, quản lý tri thức và phân tích dữ liệu. Trong phân tích câu hỏi, RDR có thể được sử dụng để xây dựng các hệ thống trả lời câu hỏi tự động, các hệ thống trợ giúp ảo và các hệ thống tìm kiếm thông tin. Nghiên cứu này báo cáo một cách tiếp cận để chuyển đổi các câu hỏi ngôn ngữ tự nhiên tiếng Việt thành các phần tử biểu diễn trung gian trong các bộ dữ liệu truy vấn (Cấu trúc câu hỏi, Lớp câu hỏi, Thuật ngữ, Quan hệ, Thuật ngữ, Thuật ngữ) dựa trên các chú thích ngữ nghĩa thông qua ngữ pháp JAPE (Nguyenetal. Ngoài ra, nó còn đề xuất một cách tiếp cận độc lập về ngôn ngữ để có được các quy tắc JAPE một cách có hệ thống, giúp tránh sự tương tác không mong muốn giữa các quy tắc (Nguyenetal.

4.1. Xây Dựng Hệ Thống Trả Lời Câu Hỏi Dựa Trên RDR

RDR có thể được sử dụng để xây dựng các hệ thống trả lời câu hỏi tự động bằng cách tạo ra các quy tắc chuyển đổi câu hỏi ngôn ngữ tự nhiên thành biểu diễn trung gian. Biểu diễn trung gian này sau đó có thể được sử dụng để tìm kiếm thông tin trong cơ sở tri thức hoặc trên internet. Kết quả tìm kiếm sau đó có thể được chuyển đổi thành câu trả lời ngôn ngữ tự nhiên.

4.2. Phân Tích Ngữ Nghĩa Câu Hỏi Tiếng Việt Sử Dụng JAPE và RDR

Một phương pháp tiếp cận để ánh xạ cú pháp và ngữ nghĩa các câu hỏi tiếng Việt thành bộ ba Subject, Verb và Object sử dụng ngữ pháp JAPE cũng đã được trình bày. Học máy và đặc biệt là RDR được sử dụng để tự động tạo các quy tắc để phân tích câu hỏi ngữ nghĩa. Phương pháp này giúp tự động hóa quá trình xây dựng quy tắc và giảm thiểu nỗ lực thủ công.

V. Ưu Điểm và Nhược Điểm của Ripple Down Rules RDR

Ripple Down Rules (RDR) có nhiều ưu điểm so với các phương pháp thu nhận tri thức khác. RDR cho phép tạo ra các quy tắc một cách có hệ thống, đảm bảo tính nhất quán và tránh các tương tác không mong muốn. RDR cũng dễ hiểu và dễ bảo trì, vì các quy tắc được tổ chức thành một cây có cấu trúc rõ ràng. Tuy nhiên, RDR cũng có một số nhược điểm. RDR có thể tạo ra một số lượng lớn các quy tắc, đặc biệt khi xử lý các vấn đề phức tạp. Ngoài ra, RDR có thể khó sử dụng khi các điều kiện của các quy tắc trở nên quá phức tạp.

5.1. Ưu Điểm Vượt Trội Của RDR Trong Thu Nhận Tri Thức

Một trong những ưu điểm chính của RDR là khả năng giải quyết vấn đề tri thức không đầy đủ. Khi một quy tắc hiện có không thể xử lý một trường hợp mới, một quy tắc mới có thể được thêm vào để xử lý trường hợp đó. Điều này cho phép hệ thống học hỏi và cải thiện theo thời gian. RDR cũng cho phép thu nhận tri thức từ các chuyên gia một cách dễ dàng, vì các chuyên gia có thể thêm các quy tắc mới vào hệ thống mà không cần phải hiểu toàn bộ hệ thống.

5.2. Hạn Chế Cần Lưu Ý Khi Áp Dụng RDR

Một hạn chế của RDR là nó có thể tạo ra một số lượng lớn các quy tắc, đặc biệt khi xử lý các vấn đề phức tạp. Điều này có thể dẫn đến khó khăn trong việc quản lý và bảo trì hệ thống. Ngoài ra, RDR có thể khó sử dụng khi các điều kiện của các quy tắc trở nên quá phức tạp. Trong trường hợp đó, có thể cần phải sử dụng các phương pháp biểu diễn tri thức khác, chẳng hạn như mạng ngữ nghĩa hoặc ontology.

VI. Kết Luận và Hướng Phát Triển Của Nghiên Cứu RDR

Nghiên cứu này đã trình bày một phương pháp sử dụng Ripple Down Rules (RDR) để phân tích câu hỏi ngôn ngữ tự nhiên. Phương pháp này cho phép tạo ra các quy tắc một cách có hệ thống, đảm bảo tính nhất quán và tránh các tương tác không mong muốn. RDR đã được chứng minh là một phương pháp hiệu quả để giải quyết vấn đề thu nhận tri thức trong nhiều lĩnh vực. Trong tương lai, nghiên cứu có thể tập trung vào việc cải thiện hiệu suất của RDR, chẳng hạn như bằng cách sử dụng các thuật toán tối ưu hóa để giảm số lượng quy tắc. Nghiên cứu cũng có thể tập trung vào việc mở rộng RDR để xử lý các loại câu hỏi phức tạp hơn, chẳng hạn như câu hỏi suy luận.

6.1. Đánh Giá Hiệu Quả Của Phương Pháp RDR

Kết quả nghiên cứu cho thấy rằng RDR là một phương pháp hiệu quả để phân tích câu hỏi ngôn ngữ tự nhiên. Phương pháp này cho phép tạo ra các quy tắc một cách có hệ thống, đảm bảo tính nhất quán và tránh các tương tác không mong muốn. RDR cũng dễ hiểu và dễ bảo trì, vì các quy tắc được tổ chức thành một cây có cấu trúc rõ ràng.

6.2. Hướng Nghiên Cứu Tiếp Theo Về Phát Triển RDR

Trong tương lai, nghiên cứu có thể tập trung vào việc cải thiện hiệu suất của RDR, chẳng hạn như bằng cách sử dụng các thuật toán tối ưu hóa để giảm số lượng quy tắc. Nghiên cứu cũng có thể tập trung vào việc mở rộng RDR để xử lý các loại câu hỏi phức tạp hơn, chẳng hạn như câu hỏi suy luận. Một hướng nghiên cứu tiềm năng khác là phát triển các công cụ hỗ trợ tự động hóa quá trình tạo quy tắc RDR.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY, HANOI UNIVERSITY OF ENGINEERING AND TECHNOLOGY -------- NGUYEN QUOC DAT RIPPLE DOWN RULES FOR QUESTION ANALYSIS Major: Computer Science Code: 60 48 01 MASTER THESIS Supervised by: Dr. Pham Bao Son Hanoi - 2011 1 TIEU LUAN MOI download : [e-mail] Ripple Down Rules for Question Analysis Nguyen Quoc Dat Faculty of Information Technology University of Engineering and Technology Vietnam National University, Hanoi Supervised by Dr. Pham Bao Son A thesis submitted in fulfillment of the requirements for the degree of Master of Science in Computer Science August 2011 TIEU LUAN MOI download : [e-mail] TIEU LUAN MOI download : [e-mail] ORIGINALITY STATEMENT ‘I hereby declare that this submission is my own work and to the best of my knowledge it contains no materials previously published or written by another person, or substan- tial proportions of material which have been accepted for the award of any other degree or diploma at University of Engineering and Technology (UET/Coltech) or any other educational institution, except where due acknowledgement is made in the thesis. Any contribution made to the research by others, with whom I have worked at UET/Coltech or elsewhere, is explicitly acknowledged in the thesis.

I also declare that the intellectual content of this thesis is the product of my own work, except to the extent that assistance from others in the project’s design and conception or in style, presentation and linguistic expression is acknowledged.’ Hanoi, August 23rd , 2011 Signed. i TIEU LUAN MOI download : [e-mail] ABSTRACT For the task of turning a natural language question into an explicit intermediate representation of the complexity in question answering systems, all published works so far use rule-based approach to the best of our knowledge. We believe that it is because of the complexity of the representation and the variety of question types and also there are no publicly available corpora of a decent size. In these rule-based approaches, the process of creating rules is not discussed.

It is clear that manually creating the rules in an ad-hoc manner is very expensive and error-prone. This thesis firstly describes an ad-hoc method to convert Vietnamese natural language questions into intermediate representation elements over semantic annotations via grammar rules. Importantly, this thesis focuses on proposing a language independent approach on the process of creating those rules manually, in a way that consistency between rules is maintained and the effort to create a new rule is independent of the size of the current rule set. Experimental results are promising to show that our language independent approach is easy to adapt for a new domain and a new language.

Publications: ? Dat Quoc Nguyen, Dai Quoc Nguyen and Son Bao Pham. Systematic Knowledge Acquisition for Question Analysis. of the 8th International Conference on Recent Advances in Natural Language Processing (RANLP 2011). ? Dat Quoc Nguyen, Dai Quoc Nguyen, Son Bao Pham and Dang Duc Pham.

Ripple Down Rules for Part-Of-Speech Tagging. of 12th International Conference on Intelligent Text Process- ing and Computational Linguistics (CICLING 2011), Springer-Verlag LNCS, part I, pp. ? Dai Quoc Nguyen, Dat Quoc Nguyen and Son Bao Pham. A Vietnamese question answering system.

of the 2009 International Conference on Knowledge and Systems Engineering (KSE 2009), IEEE CS, pp. ii TIEU LUAN MOI download : [e-mail] ACKNOWLEDGEMENTS First and foremost, I would like to express my deepest gratitude to my supervisor, Dr. Pham Bao Son, for his patient guidance and continuous support throughout the years. He always appears when I need help, and responds to queries so helpfully and promptly.

I would like to give my honest appreciation to my brother, Nguyen Quoc Dai, for his great support. I would like to specially thank Prof. Bui The Duy and my colleagues for their help through my time at Human Machine Interaction Laboratory, UET/Coltech. I would also like to thank my friend, Nguyen Le Trang, for her kindly help.

I sincerely acknowledge the Vietnam National University, Hanoi, NAFOSTED Viet- nam, Toshiba Foundation Scholarship, and especially Dr. Pham Bao Son for sup- porting finance to my master study. Finally, this thesis would not have been possible without the support and love of my mother and my father. Thank you! iii (LUAN.analysis TIEU LUAN MOI download : [e-mail] To my family ♥ iv (LUAN.analysis TIEU LUAN MOI download : [e-mail] Table of Contents 1 Introduction 1 2 Literature review 3 2.1 Question analysis in question answering systems .2 Pattern-matching based analysis .3 Syntactic-based analysis .4 Semantic-based analysis .5 Annotation-based question analysis in question answering sys- tems .1 Information Extraction in GATE .3 Single Classification Ripple Down Rules.

19 3 Our Question Answering System Architecture 20 3.3 Syntactic analysis module .1 Noun phrases detection .2 Question-phrases detection .4 Semantic analysis module .5 Answer retrieval component. 29 4 Systematic Knowledge Acquisition for Question Analysis 30 v (LUAN.analysis TIEU LUAN MOI download : [e-mail] vi TABLE OF CONTENTS 4.1 Recall Intermediate Representation of an input question .3 Knowledge Acquisition Process .1 Question Analysis for Vietnamese .2 Question Analysis for English. 39 6 Conclusion 41 A Definitions of question-class types 43 B Definitions of question-structures 45 C Intermediate Representation Elements of English questions 48 D Embedding Java code in JAPE 59 (LUAN.analysis TIEU LUAN MOI download : [e-mail] List of Figures 2.1 Parse tree of question “ which rock contains magnesium? ” .2 The syntactic-semantic tree example.5 A set of Token annotations in GATE.1 Architecture of our question answering system.2 An example of intermediate representation element.3 An example of redefining the TokenVn annotation.5 QU-E-L-MC and QUTerm annotations.6 Relation between phrases.1 Question analyzer’s GUI.2 Question processing component to create the intermediate representa- tion of question “trường đại học Công Nghệ có bao nhiêu sinh viên?”(“how many students are there in the College of Technology?”).1 Question-structure of Definition.2 Question-structure of UnknTerm.3 Question-structure of UnknRel.4 Question-structure of Normal.5 Question-structure of Affirm.6 Question-structure of ThreeTerm.7 Question-structure of Affirm_3Term.8 Question-structure of And.analysis TIEU LUAN MOI download : [e-mail] viii LIST OF FIGURES C.9 Question-structure of And (2).10 Question-structure of And (3).11 Question-structure of And (4).12 Question-structure of Or.13 Question-structure of Clause.14 Question-structure of Clause (2).analysis TIEU LUAN MOI download : [e-mail] List of Tables 2.1 JAPE grammar for identifying Vietnamese noun phrases .1 Number of exception rules in layers in our SCRDR KB .2 Number of rules corresponding with each question-structure type in the knowledge base for Vietnamese .3 Number of correctly analyzed questions .5 Number of exception rules in layers in our English SCRDR KB .6 Number of rules corresponding with each question-structure type in the knowledge base for English .analysis TIEU LUAN MOI download : [e-mail] List of Abbreviations IR Information Retrieval GATE General Architecture for Text Engineering JAPE Java Annotation Patterns Engine ANNIE A New-Nearly Information Extraction RDR Ripple Down Rules SCRDR Single Classification Ripple Down Rules QC Question Classification SVM Support Vector Machine SRW Semantically Related Words NLIDB Natural Language Interface to DataBase POS Part-of-Speech NLP Natural Language Processing LHS Left-hand-side RHS Right-hand-side GUI Graphic User Interface x (LUAN.analysis TIEU LUAN MOI download : [e-mail] Chapter 1 Introduction The rocketed growth of online information available that is accessible to human users requires more support from advanced information retrieval (IR) technologies to catch the expected information. This brings new challenges to build IR systems especially like search engine, and question answering systems.

While almost current search engines return ranked lists of related documents corresponding with each user’s query (in our case, a query referring to a question), and the user have to scan these documents to obtain desired information. The goal of question answering systems is to give extract answers in exploiting advantage of natural language processing to the user’s questions without scanning any document. Natural language question analysis component is the first component in any question answering systems. This component creates an intermediate representa- tion of the input question, which is expressed in natural language, to be utilized in the rest of the system.

For the task of translating a natural language question into an explicit intermediate representation of the complexity in question answer- ing systems, all published works so far use rule-based approach to the best of our knowledge. In existing rule-based approaches, because of the complexity of the rep- resentation and the variety of question structure types, manually creating the rules in an ad-hoc manner is very expensive and error-prone in taking a lot of time and effort. For example, many rule-based approaches such as the approach to handle English questions described in Aqualog (Lopez et al., 2007), the one to process Vietnamese questions presented in (Phan and Nguyen, 2010),. manually defined a list of sequence pattern structures to analyze questions.

As rules are created in an ad-hoc manner, these approaches share common difficulties in managing interaction 1 (LUAN.analysis TIEU LUAN MOI download : skknchat@gmail. Introduction between rules and keeping consistency among them. In this thesis, we firstly introduce an ad-hoc approach to process Vietnamese natural questions in natural language analysis component. Natural language ques- tions will be transformed into intermediate representation elements which include construction of question, class of question, keywords in question and semantic con- straints between them through processes such as preprocessing, syntactic analysis and semantic analysis over semantic annotations via JAPE grammar rules on GATE framework (Cunningham et al.

More importantly, we focus on presenting a language independent approach uti- lizing Ripple Down Rules (Compton and Jansen, 1988, 1990; Richards, 2009) knowl- edge acquisition methodology to acquire rules in a systematic manner where con- sistency between rules is maintained while avoiding unintended interaction among rules. This dissertation consists of 6 chapters. In second chapter, we provide some lit- erature reviews and describe our overall system architecture, in which we present our method to process Vietnamese questions, in chapter 3. We propose our language independent knowledge acquisition approach in chapter 4.

We describe our experi- ments for both Vietnamese and English in chapter 5. Discussion and conclusion will be presented in chapter 6.analysis TIEU LUAN MOI download : [e-mail] Chapter 2 Literature review In this chapter, we review related work using rule-based approaches for question analysis in question answering systems driving specific-domains.1 describe approaches that analyze natural language questions in the ways of using patter- matching (in section 2.2), syntactic-based (in section 2.3), semantic-based (in section 2.4, and annotation-based (in section 2. In addition, section 2.3 covers basic knowledge background about Ripple Down Rules (RDR), while section 2.2 presents GATE framework and its JAPE grammar that we have been working on.1 Question analysis in question answering systems Kinds of question answering systems range from close-domain systems (aiming to answer questions in a specific domain) to open-domain systems (aiming to answer all of asked questions). In our experiment, the open-domain systems focus on re- trieving and ranking related documents corresponding with the input, while the close-domain systems focus on analysis natural language questions to extract reli- able terms.

Therefore, our related works come from reviewing rule-based question analysis approaches in specific domain driven ones. Natural language question analysis component is the first component in any question answering systems. This component creates an intermediate representation of the input question, which is expressed in natural language, to be utilized in the rest of the system. The basis of the question parser is question classification.analysis TIEU LUAN MOI download : skknchat@gmail.

Literature review Subsequently, natural language questions analysis techniques are used to identify keywords and semantic relations in input questions.1 Question classification Question Classification (QC) can be defined as the task of mapping a given question to one of k classes based on the possible types of the answers (Li and Roth, 2002). This classification provides semantic constraints based on the expected answers (Li and Roth, 2006). The approach applied in early QC systems to identify question-class is based on original regular expression model (Li, 2002). The main idea of this approach is on identifying the class of input question based on the sentence pattern including question-words, sequences of words and some terms of representing particular ques- tion classes.