[发明专利]基于机器学习的调查问卷自动生成方法

权利要求书

1.基于机器学习的调查问卷自动生成方法，其特征在于包括以下步骤：

1)使用序列模式挖掘算法找出问题中常见的句型，每个问题去掉句型，得到名词性短语，即关键短语；

2)输入话题，得到话题与关键短语的关系图，得到覆盖所述关系图的种子问题集；所述输入话题的具体方法是根据给定话题得到相关关键短语，若问题主体或用户对问题的评论中包含关键短语，则将该问题加入种子问题集；

3)对种子问题集进行语义聚类构建语义上相似的问题集合，具体方法为：

使用近邻传播算法进行语义聚类，算法中节点间传递的消息为两类：吸引度R＝{r(i,j)}和归属度A＝{a(i,j)}，两个信息的更新过程如下：

其中，相似度函数s(i,j)定义如下，使用SF(q)＝{k,k∈T_q}表示问题q中的关键短语：

构成一个基于双层主题敏感问题图的框架；第一层是问题图，表示问题之间的等价性，根据聚类的结果，将同一类中的问题两两连接；第二层由与给定主题相关的关键短语组成，其中每个节点被分配一个权重；若问题q主体或用户对问题q的评论中包含关键短语k，则将弧a(q,k)添加到双层主题敏感问题图中；

4)对问题集合进行极性匹配，对问题进行极性匹配的原因是，可能问题q₁的赞同观点与问题q₂的反对观点相同，即极性相反的情况；将问题视为二元分类任务，给定两个问题q,q'，训练分类器使得若P_q与P_q'匹配，则输出为正，即极性相同；若P_q与N_q'匹配，则输出为负，即极性相反；使用4个领域的特征：文本、投票情况、人口统计学和情感倾向，从每个领域得出两个特征，分别表示输出为正和负的可能性；

5)删除不合适的问题；

6)计算关键短语的权重；

7)选择覆盖最大权重关键短语的最小独立问题集合产生问卷，具体方法为：一个独立的问题集是一组没有两个节点相邻的问题，其涵盖的主题o的关键短语的权重之和被定义如下，a(q,k)表示问题q包含关键短语k：

w^o(S)＝∑_q∈S,a(q,k)w^o(k)

S是覆盖最大权重关键短语的最小独立问题集合，当且仅当(1)S是独立的问题集合；(2)不存在独立的集合S'使得W^o(S')＞W^o(S)；(3)不存在独立的集合S',其中W^o(S')＝W^o(S),而|S'|＞|S|。

2.如权利要求1所述基于机器学习的调查问卷自动生成方法，其特征在于在步骤1)中，所述使用序列模式挖掘算法找出问题中常见的句型，每个问题去掉句型，得到名词性短语的具体方法为：删除问题的句型，剩下的部分用POS-tagger得到名词性短语，即该问题的关键短语，删除问题的句型，对于满足几个句型的问题，删除最长的句型。