Мы разрабатываем технику представления структуры предложений и абзацев текста в виде графов. Мы определяем чащу синтаксиче- ского разбора как объединение синтаксических деревьев разбора предложений. Чаща включает дуги между вершинами синтаксических деревьев для таких отношений, как кореферентность и таксономия. Эти дуги также получаются из других источников, в том числе, тео- рии Риторических Структур и Речевых Актов. В работе предлагается алгоритм вычисления чащ разбора. Также в работе рассматриваются программные средства, предназначенные для построения чащ раз- бора и выполнения операции обобщения (пересечения) чащ разбора. На основе рассматриваемого подхода проводятся вычислительные эксперименты по улучшению поиска в случае, когда запрос представ- лен несколькими предложениями. Производится сравнение базового поиска, поиска с помощью сопоставления отдельных предложений и поиска с использованием Чащ разбора.
This paper deals with automatic classification of questions in the Russian language, a natural early step in building a question answering system. We developed a typology of Russian questions using interrogative particles, pronouns and word order as the main features. A corpus of 2008 questions was manually compiled and annotated according to our typology. We used a fine-grained class set and a coarse-grained one (23 and 14 classes, respectively). The training data, represented as character bi-/trigrams and word uni-/bi-/trigrams, was used to approach the task of question classification. We tested several widely used machine-learning methods (logistic regression, support vector machines, naïve Bayes) against a regular expression baseline on a held-out test corpus annotated by an external expert. The best results were achieved by a SVM classifier (linear kernel) that achieved the accuracy of 65.3% (fine-grained) and 68.7% (coarse-grained), while the baseline regular expression model showed 52.7% accuracy.