随着计算机软硬件以及互联网技术的迅速发展,人们对于人工智能方向的研究日益深入,越来越多的自然语言文本需要机器进行自动化、智能化的处理,并在此基础之上实现人机交互。针对自然语言文本的处理不仅是实现人机交互重要的基础环节之一,同时也能产出大量的有价值数据,在大数据时代的今天,不仅具有非常重要的科研价值,同时也具备很高的应用价值。随着对此方向研究的逐渐深入以及神经网络技术的飞速发展,人们发现使用神经网络模型来处理短文本问答任务具有很好的效果,然而,神经网络模型并不擅长处理逻辑推理问题。相反,传统的符号化方法在解决逻辑推理问题上展现了独有的优势。符号化方法可以应用预定义的推理规则和公式,或者通过学习的方法产生推理规则来指导逻辑推理过程的进行。然而,符号推理规则的产生面临着两个方面的挑战:一方面,需要大量的人力资源投入进行规则的定义和生成;其次,将自然语言文本进行抽象,从而转换成逻辑表达这个过程具有很高的难度。现有的两类方法在短文本问答上都具有明显的缺陷,基于神经网络的端到端模型在解决逻辑推理问题上的表现不好,传统的符号化方法在处理文本上的阻碍非常之大,文本向逻辑表达的转化代价非常之高,现有的这两类方法都不能很好的解决短文本问答任务。本文将传统符号化方法与神经网络技术相结合,我们采用开放域信息抽取与图匹配算法相结合的研究路线对短文本问答技术进行了深入的研究。其中开放域信息抽取负责完成对文本的结构化,图匹配算法作为符号推理的基石。本文包含以下的研究内容:1)图上的正则表达式匹配算法;2)基于神经网络算法的开放域信息抽取技术;3)将开放域信息抽取技术与图上的匹配算法相结合,对短文本问答技术进行了研究,本文的研究成果如下:1.本文研究了在训练数据充足的情况下,如何提升神经网络算法在开放域信息抽取任务上的性能。该问题是自然语言领域内重要的分支之一,是构建知识图谱最重要的手段之一,同时也为下游应用构建大量的有价值数据。在传统RNN模型的基础之上,本文提出了基于Transformer构建的多任务模型,生成式网络对抗模型,以及元学习模型来应对开放域信息抽取任务。算法模型在准确率与召回率两个评测维度上均优于传统的开放域信息抽取系统。多任务模型通过增加协同训练任务,在原有模型基础之上进一步提高模型的准确率和泛化能力,生成式对抗网络模型将模型训练由数据分布转向模型参数分布的方式,可以有效应对模型训练过程中产生的曝光偏差问题。元学习模型意在应对开放域信息抽取任务模型的更新迭代,在原有模型的基础之上,添加转换器模型,保证模型性能的前提下实现自动更新。2.本文研究了在训练数据不足的情况下,如何实现对开放域信息抽取模型的训练。训练数据缺乏是端到端的神经网络模型往往要面临的问题,现有的数据生成普遍借助于已有开放域信息抽取系统,此种方式会引入数据噪声问题,并且模型的性能严重受限于已有开放域信息系统的性能。本文开创性的使用远程监督学习来生成数据,远程监督学习在关系抽取领域内有着广泛的应用,借助于知识图谱数据和网络文本数据,采用远程监督学习的方式,可以大量生成数据噪声更少的训练数据,在开放域信息抽取任务上用以训练神经网路模型。实验证实,采用远程监督的方式所生成的数据用以训练神经网络模型可以大幅提高模型的准确率。此外,本文从模型优化的角度提出迁移训练模型来应对训练数据不足情况下的开放域信息抽取任务。迁移学习模型借助预训练模型来减少对训练数据的依赖。3.本文研究了图上的正则表达式匹配算法,因为正则表达式是一种高效并且简洁的范式,可以用以表达复杂查询,为此,我们研究图上的正则表达式匹配算法。图匹配算法在知识图谱应用以及数据存储领域有着重要的作用。随着大数据时代的到来,图上的实时查询挑战日益严峻,本文提出了基于大规模图数据上的正则表达式匹配查询,通过将图结构进行逻辑拆解,转化为一系列的逻辑表达式,再将逻辑表达式转化为一系列的物理表达式,在分布式大规模图数据上对物理表达式执行匹配查询操作,并在此基础之上,设计了针对查询操作过程的动态规划优化算法,从而保障图上的匹配查询过程可以做到实时。4.本文研究了短文本问答,采用开放域信息抽取技术与图匹配算法相结合的方式,应用符号化的策略来应对短文本问答任务。短文本问答是人工智能领域内重要的研究内容之一,是实现人机交互的重要基础。本文通过开放域信息抽取模型,将短文本进行自动化处理,采用图匹配的方式进行推理规则的产生并将研究成果应用短文本问答任务当中。采用开放域信息抽取任务可以有效提取句子结构,并规避了传统符号化策略文本转化的难题,采用图匹配的方式避免了人工定义推理规则,从而节省大量的人力成本。此外符号化的方式相比于基于神经网络的模型可以更高效的处理逻辑推理问题。