文本檢索模式的學習過程與應用

|*—*|模式構造（算法一：產生各種包含問題與答案的模式，
主要是用後綴樹進行模式學習）


第一步： 用問題+答案搜索
第二步：處理搜索出來的1000條數據文本
第三步：用正則表達式保留包含了問題和答案的句子
第四步：把包含問題和答案的sentences傳給後綴樹執行
（找到這些句子中重複最多的最長子串 如：mozart (1957-2001)）
第五步：把包含問題和答案的phrases傳給後綴樹執行
（再從上步結果中找出包含問題和答案的串 如：mozart (1957 ）
第六步：用<NAME>代替問題的詞，用<ANSWER>代替答案的詞


用不同人名重複算法一將會得到各個人的生日集合


|*—*|模式精度確定（算法二：計算模式精度，剔除低精度模式）


第一步： 只用問題搜索（問題選擇很重要，用同一問題的不同表達形式，避免受到重複文本的影響而影響到精度）
第二步：同算法一
第三步：用正則表達式只保留包含了問題的句子
第四步：a.用算法一得到的模式測試這些句子，會出現兩種情況：
（1）<ANSWER>可能匹配任何字符
（2）<ANSWER>匹配正確答案
如：i) Mozart was born in <ANY_WORD>
ii) Mozart was born in 1756
b.用公式計算每個模式的精度
P = Ca / Co
Ca:表示用該模式匹配的正確的條數
Co:表示用該模式匹配的代替了答案的任何詞的條數
第五步:保留匹配數量多的模式（比如大於5的）


|*—*|利用模式表發現答案（答案數據集是來自TREC-10的）
第一步：用問題搜索
第二步：已有的機器判斷問題類別以及問題的term
第三步：在已有的答案數據集中搜索
第四步：清理數據（去除標籤，空白符等）
第五步：用正則標籤替換問題的term
（“<NAME>”, in the case of BIRTHYEAR).）
第六步：通過模式表中的模式選擇匹配標籤<ANSWER>的詞作爲答案
如：<NAME> ( <ANSWER> -
<ANSWER> <NAME> was born
...
第七步：按模式精度排序上步搜的答案，去重返回top5答案。