反问句改陈述句的方法

反问句改陈述句的方法（共8篇）

篇1：反问句改陈述句的方法

反问句改为陈述句的方法：

1、将反问句中的肯定词改为否定词，或将否定词改为肯定词。(有“不”去“不”，无“不”加“不”）

2、将反问句中的反问语气词（怎、怎么、难道等）去掉。

3、将句末的疑问助词（呢、吗等）去掉，问号改为句号。

4、把字句或被字句要保留原先的句式。

练习题：

1、这幅画不是我们班蔡颖画的吗？

2、不好好学习，怎能取得好成绩呢？

3、对少数同学不守纪律的现象，我们怎能不闻不问呢？

4、那奔驰的列车不是我们祖国奋勇前进的象征吗？

5、功课没做完，怎么能去看电影呢？

6、不劳动，连棵花也养不活，难道这不是真理吗？

7、我们怎能因为学习任务重而不参加体育活动呢？

8、没有革命先辈的流血牺牲，怎么会有我们今天的幸福生活呢？

9、小玲取得的优异成绩不是她勤奋学习的结果吗？

10、我们怎能被困难吓倒呢？

12、难道你们见过这样的总理吗？

13、我的心绷紧紧的，这怎么能忍受呢？

14、这潮湿冰冷的地面怎么能睡呢？

15、我们是学生，怎能不遵守学校的纪律呢？

16、那平静的“湖面”不是被它踩碎的吗？

17、小姑娘天真的心灵，不正像一个含苞欲放的花蕾吗？

18、这些树叶难道不是从这棵树上飘落下来的吗？

19、咱们不是早就分好了吗？

20、游览了长城，我怎能不受到教育呢？

21、我们没有近道，和你们走的不是一条道吗？

22、这个世界上怎么没有您最想要的东西呢？

23、人的身躯怎能从狗洞子里爬出来呢？

24、这本书真好看，怎么不叫人喜欢呢？

25、那电线上停着的几个小黑点，不正是伶俐可爱的小燕子吗？

26、对于浪费能源的现象，我们怎么能容忍呢？

27、网络丰富多彩，怎能不让我们大家恋恋不舍呢？

28、难道我们不相信自己的眼睛吗？

29、我们怎么不爱自己慈爱的母亲呢？

30、犯了错误就不敢向老师、同学承认，这难道是一个少先队员应有的态度吗？

31、作为少先队员怎能不讲文明，有礼貌呢？

32、这样肮脏、零乱的地方，怎么会让人觉得舒服呢？

33、这场比赛怎能让祖国再次蒙受屈辱呢？

34、像桑娜那样品德高尚的人难道不值得赞扬吗？

35、为了把祖国建设得更强盛，我们怎能不努力学习呢？

36、对少数同学不守纪律的现象，我们怎能不闻不问呢？

37、我们现在不好好学习，长大了怎能参加祖国建设呢？

38、任弼时同志不同意搬进新房子，他说，怎能以一个人牵动一个机关呢？

39、沿着这条小路走，怎么不能到金明家呢？

40、听到波涛的轰鸣和狂风怒号，桑娜怎么不感到心惊肉跳呢？

41、为了实现四个现代化，难道我们不应该努力学习吗？

42、巍巍高山不是英雄坚强不屈的精神的象征吗？

43、如果下面没有泉水，这么旱的天气，泥土怎么会这样湿呢？

44、你用脏手随便抓东西吃，肚子怎么不会长蛔虫呢？

45、登泰山看日出不是我很久以来最大的心愿吗？

46、四周围黑洞洞的，难道不容易碰壁吗？

47、对这种坏人坏事，我们怎能不闻不问呢？

48、难道有比锻炼身体、增强体质更重要的事了吗？

49、我们怎么会忘记这比山还高比海还深的情谊呢？ 50、我们怎能不把自己培养成为全面发展的人才呢？

51、战士们没有离开他们的阵地，我怎能离开手术台呢？

二、按要求改变句式，意思不变。

1、讲桌上的那束鲜花，不正表达着我们对老师的一片深情吗？

2、没有革命先烈的流血牺牲怎么会有我们今天的幸福生活呢？

3、同窗五载的情谊，我们怎能忘记呢？ 4、21世纪图书馆的大门怎么会关闭呢？

5、漓江的水不是绿得仿佛一块无暇的翡翠嘛？

6、大家老师怎么不热爱自己的祖国吗？

7、我是一名少先队员，怎能不遵守纪律呢？

8、地球不是人类的母亲，生命的摇篮吗？

9、越过岷山，怎能不使红军战士喜笑颜开呢？

10、“鸟的天堂”不是鸟的天堂吗？

11、海上日出不是伟大的奇观吗？

12、多得些知识难道是坏事吗？

13、这些设想即使能实现，难道不是遥远的事情吗？

篇2：反问句改陈述句的方法

1、在阳光下，大片青松的边沿闪动着白桦的银裙，不是像海边的浪花吗？

_______________________________________

2、人与山的关系日益密切，怎能不使我们感到亲切、舒服呢？

_________________________________________________

3、看到那数不尽的青松白桦，谁能不向四面八方望一望呢？ _________________________________________________

4、看，海边上不是还泛着白色的浪花吗？

_________________________________________________

5、不劳动，连棵花也养不活，这难道不是真理吗？ _________________________________________________

6、橘树一种到淮北，就只能结又小又苦的枳，还不是因为水土不同吗？________________________________________________

7、杭州的西湖难道不像一颗光彩夺目的明珠？

_________________________________________________

8、这么美丽的地方，我们怎么舍得离开呢?、您为我们付出了这样高的代价，难道还嫌它不够表达您对中国人民的友谊？

________________________________________________

9、淮南的柑桔，又大又甜。可是这种桔树一种到淮北，就只能结又小又苦的积，还不是因为水土不同吗？ _________________________________________________

10、那电线上停着的几个小黑点，不正是伶俐可爱的小燕子吗？

_________________________________________________

11、如果没有人们的辛勤劳动，这里还不是荆棘丛生的荒坡吗？

________________________________________________

12、不耕耘怎么有收获？不学习怎会有知识？

__________________________________________

陈述句与反问句的变换

陈述句：面对任何灾难，中华民族不会望而却步。反问句：面对任何灾难，中华民族难道会望而却步吗？

反问句：看着班长坐在那里捧着搪瓷碗，嚼着几根草根和我们吃剩的鱼骨头，我觉得好象有万根钢针扎着喉管。陈述句：看着老班长坐在那里捧着搪瓷碗，嚼着几根草根和我们吃剩的鱼骨头，我喉管呢？

陈述句改为反问句的方法：

怎能不觉得好象有万根钢针扎着

1、把陈述句中表示肯定或否定的词改成表示否定或肯定的词。

2、加上语气助词“呢”、“吗”。

3、将原句中的句号 “。”改为问号 “ ? ”

4、为了加强语气，一般都要加上“难道”、“怎么”等语气助词。

1、斗争的烈火是永远扑灭不了的。

_________________________________________

2、“桂林山水”真是人间仙境啊！

_________________________________________

3、香格里拉的空气像滤过似的。

_________________________________________

4、乡村的孩子知道那是母亲辛辛苦苦挣来的。_________________________________________

5、这三克镭体现了居里夫人伟大的人格。_________________________________________

6、可爱的小女孩是我的好朋友。

_________________________________________

7、如果把水倒下去，吸水器不出水，就白白浪费这壶救命之水。

_________________________________________

8、没有革命先辈的流血牺牲，就没有我们今天的幸福生活。_________________________________________

9、小玲取得的优异成绩正是她勤奋学习的结果。

_________________________________________

10、你应该相信我。

_________________________________________

11、坡度这么大，火车爬不上去。

_________________________________________

12、人类需要勇于实践的人._____________________________________

1、花生的品质很高尚。

_______________________________________

2、泪珠是人类内心纯真感情的升华。_______________________________________

3、您对我们的深情厚谊，我们不能忘记。_______________________________________

4、那些美好的印象，我不会忘记。_______________________________________

5、你们都在忙忙碌碌地干活，我不能袖手旁观。_______________________________________

6、每个人都有责任保护我们赖以生存的地球。_______________________________________

7、这件事让人很感兴趣。

_______________________________________

8、我的时装展不得不推迟了。

_______________________________________

9、信赖，往往能够创造出美好的境界。_______________________________________

10、这清白的梅花是不能玷污的。

_______________________________________

11、外公，这是您最宝贵的画。

_______________________________________

12、梅花的精神象征着中华民族的精神。_______________________________________

13、每一个中国人都爱自己的祖国。_______________________________________

14、我买不起这么贵的书。

_______________________________________

15、我们都喜欢看闲书。

_______________________________________

16、盛大的上海世博会令世人瞩目。_______________________________________

18、季爷爷小时候最感兴趣的是看闲书。_______________________________________

19、我不能心安理得地接受这个赞誉。_______________________________________ 20、我不能放掉这条大鲈鱼。

_______________________________________

21、这么大的公园，我能来别人也能来。_______________________________________

22、中秋节前后正是故乡桂花盛开的季节。_______________________________________

23、你一定想更多的了解汉字。

_______________________________________

24、生活中的每个人，都需要来自母亲的力量。_______________________________________

25、我们不能忘记母亲给予我们的恩情。_______________________________________

26、为了战士们能走过草地，彭总不得不杀掉他心爱的大黑骡子。

_______________________________________

27、生活的穷困和疾病泯灭不了阿炳对音乐的热爱和对光明的向往。

篇3：反问句改陈述句的方法

随着Web2.0的快速发展,社区问答系统已经成为比较流行的在线获取信息和知识分享的平台。例如雅虎问答,目前最大的社区问答系统之一,已经积累了超过两千三百万的问答对,这些问题和答案都是由社区的用户提供的。并且,每天将会有数以千计的问题被提出。然而随着数据指数级的增长,用户将花费大量的时间去寻找他们感兴趣的问题,因此,对于问题的提出者,将会等待很长的时间才能得到问题的答案。

在社区问答系统中,为了缩短用户得到高质量答案的等待时间,需要从历史问题语料库中找到与用户查询最相近问题所对应的最佳答案。如果根据一个查询能清楚地得到用户的兴趣,那么就可以很轻松地根据用户的兴趣去找寻与用户兴趣最相关的问句所对应的答案。问句检索和问句推荐都是为了找到与用户查询最相关的问句或潜在兴趣相同的问句。对于用户的查询,问句检索是从问答语料库中找到和查询语义最相似的问句。作为问句检索的补充,问句推荐是找到和用户原始查询信息需求最相似和相近的问句。

为了帮助用户找到他们感兴趣的问题,从而能够发现新提出来的问题,并进行回答。在雅虎问答系统中我们看到了一些问句推荐技术的应用,比如在用户主页将会看到一些的自动生成的基于某些特征的问题列表,例如基于问题提出时间和等级。但是这些系统从本质上来说并不是典型的推荐系统,因为他们没有考虑用户的兴趣,本文采用PLSA模型根据用户之前回答的问题去分析用户的兴趣,同时采用翻译模型根据用户之前回答的问题去分析用户的需求,然后综合两者信息根据用户的兴趣和需求去生成一个细粒度的问句推荐列表。

1 相关工作

在社区问答系统中,对于新提出的问题,在系统原始语料库中可能不存在和新提出问题比较相关的问题。在这种情况下,问句推荐作为问句检索的补充,就发挥了相当重要的作用。

1.1 问句检索

问句检索和问句推荐研究的领域从本质上来说达到的效果是一样的,都是给用户提供与用户提问问句最相近的问句。在问句检索中,对于一个查询问句,问句检索主要是从问句的语义信息的角度去对比两个问句之间的相似性,侧重于从问句与问句之间词语的角度去对比。

问句检索最早是应用在自动问答系统(FAQ)中。Burke等人[1]提出了结合统计相似性和语义相似性来对FAQ中的问句进行排序,并取得了不错的效果,其中统计相似性采用传统的向量空间模型来计算,而语义相似性则采用Word Net[2]来进行估计。Sneiders等人[3]提出了基于模板的常见问题检索系统。Lai等人[4]提出了一种自动从Web中获取常见的自动问答系统中的问题,但是没有研究收集问题集以后的研究。

随着Web2.0时代的到来,问句检索技术的研究主要集中于社区问答系统中,众多学者积极参与进来,并涌现出来一些不错的模型和方法。Shtok等人[5]采用统计的方法,统计历史问答语料库中的信息,根据历史中已经解决的问题,来尽可能多地回答还没有解决的问题。Riahi等人[6]主要从主题模型的角度出来研究问句主题,并与LDA相比,在性能上有了一定的提高。Jeon等人[7,8]则综合比较了现有的多种检索模型,其中包括向量空间模型、语言模型和翻译模型等,并把这些模型在相同数据集中做了详细的比较和分析。他们[9]随后提出了基于翻译的语言模型,并且把问句对象的相关答案信息也融入到了模型中,取得了不错的效果。以上这些方法虽然在社区问答系统中从不同的角度都表现出了良好的性能,但是这些方法仅仅以特征向量为处理对象,难以表示结构化的特征,存在数据稀疏问题,有待进一步的加强。

1.2 问句推荐

相当于问句检索,问句推荐的研究相对来说要少一些,同时也表明这个领域有很大的潜力,近几年吸引了众多学者积极投身这一领域的研究,并涌现出一些不错的推荐方法。Wu等人[10]基于潜在概率语义分析提出了一种自动增加的问句推荐模型。问句推荐在他的工作中被认为包含用户的兴趣和相关反馈。Duan等人[11]使用tree-cut模型根据问句中的特征词把问句表示成一个图模型。Chen等人[12]从机器学习的角度出发,采用机器学习的方法根据文本和元数据特征建立预测模型来预测用户问题的意图,并根据用户意图推荐相关的答案,表现出来良好的性能。

以上这些问句查询和问句推荐是从两个不同的角度,从问答语料库中检索到相应的相似问句。但是他们没有考虑到根据用户的兴趣和需求去考虑问句的相似性和多样性。本文提出的方法主要是站在用户的角度,采用PLSA模型根据用户之前回答的问题去分析用户的兴趣,并采用翻译模型根据用户之前回答的问题去分析用户的需求,然后综合两个信息根据用户的兴趣和需求去生成一个细粒度的问句推荐列表,这样能更加符合用户的要求,同时也能更加激起用户回答问题的欲望。

2 基于PLSA的用户兴趣预测模型

为了提高社区问题系统中的效率,问句推荐技术应该给用户推荐他们感兴趣的问题,这样才有助于新提出问题能快速等到答案,从而让提问问题的用户不必等待过久的时间。因此解决问句推荐技术的关键是获取用户的兴趣。在本文中,我们提出了一种根据用户以前回答问题的记录去分析用户的兴趣。在一个典型的问答周期中,用户总是在不知不觉中回答哪些关于同一个主题的问题或者是回答的问题之间的主题比较接近。众所周知PLSA模型具有获取现在主题的能力,正好适合我们的问题。潜在的变量在PLSA模型中表示相应问句的主题,因此,对于一个给定的问句集合,用户和他回答的分布可以用如下公式表示:

其中u∈u1,u2,…,un表示用户集合,q∈q1,q2,…,qm表示问句集合,t∈t1,t2,…,tk表示k个主题,对于每个用户获取一个主题。

然而,在一个真实的社区问答系统中,对于社区问答系统中的每一个用户所回答的问题数量在问题集合中的比例是很小的,这将意味着由式(1)计算出来的Pr(u,q)将会是零。为了解决这个稀疏问题,我们把计算用户和问句的概率转换成用户到问句中特征词的概率,因此式(1)将改写为如下的式(2)表示:

其中w∈w1,w2,…,wL是问句集合中的特征词集合,需要注意的是在PLSA模型中允许每个用户有多个主题,反应的事实是每个用户可以有多个兴趣。

因此对于问句集合的对数似然估计L如下:

其中c(u,w)表示在用户u所回答问题集合中特征词w的个数模型参数的学习可以使用EM算法在问句集合中去找到一个最大的对数似然估计:

然后我们的模型向用户推荐问句作为后验概率Pr(u|q),也就是说,用户u可能回答问题q的概率。根据贝叶斯法则,我们将计算Pr(u|q)∝Pr(u,q),它的结果将作为包含特征词q的生成概率,用句子长度进行归一化:

其中wi表示问句q中的特征词,|q|表示问句的长度。因此,根据这个等分对用户的问句列表进行排序,然后推荐前n个问句给用户。

3 基于翻译模型的用户需求预测模型

3.1 基本思想

本文之所以去预测用户的信息需求,主要是基于两点思想:首先是在社区问答系统中有一些问句没有问句的主题部分,因此我们需要一个模型去预测用户的信息需求,并且根据用户的需求去计算出相应的问句推荐列表。其次是信息需求的预测不仅在社区问答中扮演了一个重要的部分,并且在信息检索中也至关重要。因为本文提出一种基于翻译模型的方法来预测用户的信息需求。

3.2 统计机器翻译模型

统计机器翻译模型的定义如下首先是需要一个平行的语料库。设(f(s),e(s)),s=1,2,…,s是一个平行语料库。在一个句子对(f,e),源语言字符串,f=f1f2…fJ含有J个特征词,并且e=e1e2…eI含有I个特征词。a=a1a2…aJ表示源字符串到目标字符串的映射信息。

统计机器翻译模型主要是估计Pr(f|e),从源字符串e到目标字符串f的转移概率为:

这里EM算法又来训练校正模型来估计参数词典p(f|e)。

在E步,对每一个句对(f,e):

在M步,词典参数将变成:

不同的校正模型比如IBM-1到IBM-5和HMM模型对于Pr(f,a|e)提供不同的分解方式。对于不同的校正模型对于相应的校正和参数提供不同的方法。

3.3 信息需求预测模型

我们对统计转移概率预测完后,对每个特征词w根据p(w|Q)进行排序,从特征词生成问句Q的概率为:

对于特征词到特征词之间的转移概率Ptr(w|t)是特征词w在问句Q中使用翻译模型从特征词a到t的转移概率。上述的公式采用线性平滑,公式后半部分可以看出是语言模型。其中λ是平滑参数。P(t|Q)和p(t|C)是利用最大似然估计等到的值。

需要注意的一个重点是在使用统计翻译模型第一次估计Pr(f|e)和计算Pr(e|f)要使用贝叶斯最小排序误差。

4 基于用户兴趣和需求的问句推荐模型

前面介绍了基于PLSA的用户兴趣预测模型和基于翻译模型的用户需求预测模型,从中可以看出对于问句推荐,如果能有效地利用用户的兴趣和用户的需求,那么问句推荐算法将能更加准确、有效地进行推荐。那么如何有效地利用者两种有效的信息,本文采用线性加权的方式去融合这两种信息,之所以采用这种方式,是因为采用线性加权简单有效,并且效率较高。结合式(8)和式(13)可得到如下公式:

其中Score(u,q)是最后的推荐得分,Pr(u,q)是式(8)的结果,Pr(w|q)是式(13)的结果。

5 实验结果与分析

5.1 实验数据

为了获得实验所使用的语料,我们抓取了Yahoo!Answershttp://answers.yahoo.com的五个类别的数据,分别是关于环境、健康、运动、旅行和社会科学。首先对抓取的数据集进行预处理(去停用词、词干化等),同时过滤掉5个类别中只有一个答案的问句,同时5个类别的问句在都标记了最佳的答案。数据集的统计如表1。对于每一个类别,我们用该类别中的85%的问答对集合(其中包含问句和相应大答案)作为训练。剩余的25%作为测试集合。同时我们根据经验选择潜在的概率变量为100。

5.2 实验结果与分析

为了评价本文检索推荐的性能,采用P@N和MAP(Mean Average of Precision)两个指标对实验进行评价,同时采用了5种不同的问句推荐系统进行对比实验,表2是4种不同方法的描述,其中(1)和(2)分别是文献[13]和文献[14]中提出的方法,采用相关类中的实验结果如表3所示。

从表3结果可以看出:

(1)采用基于问句类别信息的语言模型(LM+C)比传统的语言模型在MAP和P@10上都有所的提高,是因为采用基于类别信息的语言模型除了拥有传统语言模型的优势外,还考虑了句子本身的类别信息,从中也可以看出问句的类别信息对于问句的推荐还是很有用处的,对于一个问句首先确定其类别,然后根据问句类别再进行相应的推荐。

(2)采用基于PLSA的问句推荐算法不仅在MAP上比基于问句类别信息的语言模型提高了0.0313,而且在P@10上提高了0.0243,表明基于PLSA的问句推荐算法要优于基于问句类别信息的语言模型的方法。其主要原因在于基于PLSA的问句推荐算法根据用户以前回答的问题,从中分析出用户的兴趣,然后根据用户的兴趣进行定向的推荐。可以看出用户的兴趣在问句推荐中起着十分重要的作用。

(3)采用翻译模型的问句推荐方法比基于问句类别信息的语言模型的方法在MAP和P@10上都有所提高,可以看出用翻译模型来预测用户的需求信息,根据用户的需求进行定向的推荐,效果要好于基于类别的语言模型的方法。但是,采用翻译模型的问句推荐方法比基于PLSA的问句推荐算法在MAP和P@10上都有所降低,表明在问句推荐中用户的兴趣起到的作用要高于用户的需求,或者说从用户历史回答的问题中更容易找到用户的兴趣。

(4)本文提出的基于用户兴趣和需求的问句推荐算法从实验结果中可以看出,相对于其他方法在MAP和P@10上都有所提高。同时由于在实验中我们发现在问句推荐中用户的兴趣起的作用要高于用户的需要,因此在本文提出的方法中,我们在参数设定上让α=0.7来偏重用户的兴趣。实验结果也证明本文提出方法是一个有效的方法。

6 结语

社区问答系统作为新兴的知识获取平台,拥有大量的用户群,每天产生大量的问题与答案,如何有效地利用这些资源成为众多学者关注的问题。本文研究的问句推荐是社区问答系统中必不可少的一部分,主要探讨社区问答系统中的问句推荐方法,提出了一种基于用户兴趣和需求的问句推荐方法,对于用户的兴趣的发现采用PLSA模型,而对于用户信息需要的预测采用的基于翻译的模型。多角度对比的实验结果表明,本文提出的方法能够有效地解决社区问答系统中句子推荐的问题。当然,本文描述的方法尚存在着速度等方面的问题,这需要在今后的研究中加以改进,也是以后要研究的重点。

摘要：问句推荐在CQA中主要是针对用户提出来的新问题进行需求分析,然后在历史问答对中找到与用户原始问题最相关的问题,从而在不能给用户提供精确结果的情况下,为用户带来更多的选择,从而提高用户的体验。提出一种基于用户兴趣和需求的问句推荐方法,主要是利用PLSA模型根据用户历史回答问题的记录去发现用户的兴趣,同时采用基于翻译模型根据用户的查询预测用户的需求。结合用户的兴趣和需求在问答语料库中推荐最相关的问句。实验在Yahoo!Answers上抽取的真实标注数据集上进行,对比实验结果表明,该方法在性能上得到了较好的结果。

篇4：浅谈反问句与陈述句的互换教学

关键词：反问句；陈述句；互换

一、反问句改成陈述句，使其意思不变这一训练形式，力求以学生对句子的自主理解为主，循序渐进，达到教学效果

1.引导学生自读反问句，找出反问句中的答案，说出来，培养学生的语感。比如，“难道今天下雨了么？”学生读感悟，说出答案：“今天没下雨。”

2.指导学生将反问句句末的“吗”“呢”疑问词和问号“？”去掉，换上句号“。”。如，“没有爸爸妈妈的辛勤劳动，怎么会有我们的幸福生活呢？”先改成：“没有爸爸妈妈的辛勤劳动，怎么会有我们的幸福生活。”

3.还要告诉学生，在反问句改换成熟句的时候还得注意把“难道”“莫非”“怎么”这类反问句式的词语删去。不然会造成句子不通顺，意思表达模糊，表意不明。那么上面的句子就可以进一步改成：“没有爸爸妈妈的辛勤劳动，会有我们的幸福生活。”

4.在上面的基础上，再指导学生将句子关键词“有”否定。使句意与原来的反问句保持一致。在此基础上改成：“没有爸爸妈妈的辛勤劳动，不会有我们的幸福生活。”

如此一来，学生就掌握了将反问句改作陈述句，使其意思不变的方法了。

二、将陈述句改成反问句，使其意思不变这一训练形式，同样要注重学生对句子的感悟，从语感上去培养学生找到句子转换的方法

1.口头训练，如，“今天没下雨。”让学生心里揣着答案去转换成“明知故问”的句子：“莫非今天下雨了么？”。

2.先指导学生将陈述句的关键词否定，改成意思相反的句子。如，“在他取得优异成绩的时候，在他得到老师的表扬的时候，他没有骄傲。”改成：“在他取得优异成绩的时候，在他得到老师的表扬的时候，他骄傲了。”

3.在此基础上，要求学生在句末加上反问词“吗”或者“么”、“呢”和“？”。如此上面的句子可以改成：“在他取得优异成绩的时候，在他得到老师的表扬的时候，他骄傲了么？”

4.如要使改成的反问句语气更强烈，应告诉学生在否定词前或者句中加上“难道”或“怎能”“莫非”等词语。那么上面的句子就可以改成“莫非在他取得优异成绩的时候，在他得到老师的表扬的时候，他骄傲了么？”或者“在他取得优异成绩的时候，在他得到老师的表扬的时候，难道他骄傲了么？”

这样一来学生就掌握了陈述句改换反问句，使其意思不变的方法了。

篇5：反问句与陈述句的互改教学设计

一、教学内容 反问句与陈述句互改。

二、教学目标

1、知识目标：通过复习，让学生更进一步学习和运用反问句与陈述句的互改，从练习中找到常用的互改方法。

2、情感目标：通过复习过程中的交流学习，增强学生合作的意识。

3、能力目标：培养学生的观察和分析能力，学会在实践过程中总结出学习方法。

三、教学重点

复习反问句与陈述句的互改，找到互改的方法和一般规律。

四、教学方法

教师引导，学生主导，直观教学法，集体反馈等。

五、教具准备 教学课件。

六、教学过程

（一）引入课题，提出学习要求。

1、回顾句型转换，引出课题。

2、出示幻灯片，板书课题：反问句与陈述句互改。

3、出示学习要求幻灯片，齐读。

4、定义陈述句和反问句。

5、问句的类型：疑问句、反问句、设问句。出示例子区分疑问句、反问句、设问句。

6、出示幻灯片，学生观察分析，自由发言。承诺了别人的事我们要完成。（陈述句）难道承诺了别人的事我们不完成吗？（反问句）问：比较这两个句子的句式和意思有什么异同？

7、学生发言。

8、小结

（二）反问句改为陈述句。

1、出示四组句子，学生观察分析，自由发言。①难道我有这么笨吗？ 我没有这么笨。

②我们怎么能被困难吓倒呢？ 我们不能被困难吓倒。

③海上日出不是伟大的奇观吗？ 海上日出是伟大的奇观。

④功课没做完，怎么能去看电影？ 功课没做完，不能去看电影。

2、引导学生归纳反问句改陈述句的方法：反问句改为陈述句，去掉反问词和语气词，还要把肯定词变成否定词或否定词变成肯定词，问号改为句号。①出示例句：我们怎能忘记老师的谆谆教导？ ②说明：肯定形式的反问句表达的意思是否定的。③请同学把它换为陈述句：我们不能忘记老师的谆谆教导。

3、说一说，让生口头作答，教师及时讲评。① 冬天来了，春天还会远吗？ ② 不对呀，大晴天怎么会下雨呢？ ③ 我刚搬到大田来，正需要营养，怎么可以交给你们呢？

④ 你看，烈日当空，连树上的叶子都晒蔫了，这不就是对骄阳似火最好的解释吗？

4、出示幻灯片“做一做”，让四个同学上黑板做，其余在下面用练习本做。①那浪花所奏的不正是一首欢乐的歌吗？

②这里的景色这么美，怎能不使我们流连忘返呢？ ③这点小事，难道还要妈妈担心吗？

④这高耸云天的坚固城墙上的一块块砖石，哪一处没洒落过我们英雄祖先的殷红热血？

5、师生小结：反问句改成陈述句的方法。

（三）陈述句改为反问句。

1.出示两组句子，学生观察分析，自由发言。①我没有这么笨。难道我有这么笨吗？ ②我们不能被困难吓倒。我们怎么能被困难吓倒呢？

2.引导学生归纳陈述句改为反问句的方法：增加反问词和语气词，还要把肯定词变成否定词或否定词变成肯定词，句末标点符号改为问号。3.说一说，口头作答。① 冬天来了，春天还会远吗？ ② 不对呀，大晴天怎么会下雨呢？

③ 我刚搬到大田来，正需要营养，怎么可以交给你们呢？

④ 你看，烈日当空，连树上的叶子都晒蔫了，这不就是对骄阳似火最好的解释吗？

4．幻灯片出示“练一练”，学生独立完成后，先同桌或小组内成员互评，再集体反馈。对掌握不太牢固的知识点教师再有针对性的进行指导和提供练习题加以强化和巩固。①我们不能因为学习任务重而不参加体育活动。②这幅画是我们班彩颖画的。

③父母含辛茹苦地把我们养大，我们不能伤他们的心。④对少数同学不守纪律的现象，我们不能不闻不问。5.师生小结：陈述句改成反问句的方法。

（四）总结，区分反问句改成陈述句的方法和陈述句改成反问句的方法，注意不能改变句子原意。

（五）巩固练习、作业。

①有幸得到叶圣陶先生的指导，我的写作怎么会不进步呢？ ②我们不会忘记这比山还高比海还深的情谊。③时间流逝很快，难道我会不珍惜吗？

④这次春游，不是给了我们一次很好的锻炼机会吗？ ⑤我们应当把自己培养成为全面发展的人才。⑥同窗五载的情谊，我们不能忘记。

（六）板书设计：

反问句与陈述句互改（不能改变句子原意）

1.反问句改为陈述句的方法

①去掉反问词（“难道”、“怎么”、“怎”、“岂”、“怎能”等）语气词（“呢”、“吗”）。

②把肯定改成否定，否定改为肯定。③句末标点符号改为句号。2.陈述句改为反问句的方法

篇6：反问句改陈述句练习参考答案

一、反问句改陈述句。

1、冬天来了，春天就不会远。2.人与山的关系日益密切，使我们感到亲切与舒服。3.海边上还泛着白色的浪花。4.我们遇到困难，不能退缩。5.说出的话不可以不算数。6.不好好学习，不能取得好成绩。7.那奔驰的列车正是我们祖国奋勇前进的象征。8.都是你自己找的，我帮不得了你的忙。

9、那浪花所奏的正是一首欢乐的歌。

10、我们不能忘记老师的谆谆教导。

11、打仗不是为了多杀人。

12、毒刑拷打算不了什么，死亡也无法叫我开口。

13、实现四个现代化，是全国人民的伟大历史任务。

二、反问句改陈述句。

1、这恰好表明有数不尽的骆驼。

2、马跑得越快，离楚国就越远了。

3、把羊圈修好，就不会再丢羊。

4、它一听到弦响，心里不能不害怕。

5、对浪费能源的现象，我们不能容忍。

6、我不能忘记老师的关爱。

7、春天一到，冰就化开了。

8、你不能这样做。

9、别人能办到的事，我们也能办到。

11、我们不能忘记妈妈的爱。

12、彼得读着这份账单，不能不羞愧。

13、小姑娘美好的心灵，正像晶莹剔透的钻石。

14、这是天下奇观。

15、天上的星星不能数得清。

16、这么远，箭不能射得到。

17、天空塌下一大块，很可怕。

18、楚国在南边，你不能往北走呀。

19、翠鸟背上的羽毛像浅绿色的外衣。20、雷锋精神不会过时。

21、淮南柑桔一种到淮北，就又小又苦，还是因为水土不同。

22、大家都能办到的事，我也能办到。

23、那电线上停着的几个小黑点，正是伶俐可爱的小燕子。

24、如果没有人们的辛勤劳动，这里还是荆棘丛生的荒坡。

25、不耕耘就没有收获。不学习就没有知识。

26、这位小姑娘天真美好的心灵，正像一朵含苞欲放的花蕾。

27、我们不能随意砍伐树木，破坏绿化。

28、看到那数不尽的青松白桦,谁都会向四面八方望一望。

29、从不同的角度看杨桃，就能看到不同的形状了。30、字典正是我无声的朋友和老师。

三、反问句改为陈述句。

1、字典是我们的良师益友。

2、那条街很热闹。

3、十万支箭，三天造不成。

4、他呀！都老头子了，还订这些东西干什么。

5、李大钊同志对革命事业充满信心，不会惧怕反动军阀。

6、要奋斗就会有牺牲，这是真理吗。

7、杭州的西湖像一颗光彩夺目的明珠。

8、人们希望车子能停下来，希望时间能停下来。

9、人不可以没有一点精神。

10、我们不能容忍破坏纪律的人和事。

11、班主任应该以身作则。

12、浪费时间就是浪费生命的表现。

13、这么重的东西,我拎不动。

14、大千世界,哪里都有野花的倩影。

15、我们千千万万个普通人,正是这样的野花。

16、这潮湿冰冷的地面,不能睡。

17、王老师带病工作,我们很感动

18、小妹妹这样乖巧，我们很喜欢她。

19、您为我们付出了这样高的代价，不会嫌它不够表达您对中国人民的友谊。20、肺结核病人不会想到，使他生病的就是那个在马路上随便吐痰的人。

21、当你听到这段英雄事迹的时候，你会觉得我们的战士是最可爱的。

22、知识是无止境的，我们没有什么理由骄傲自满，故步自封。

23、学习如登山，需要有踏实苦干和坚持不懈的精神，这是十分清楚的道理。

24、人的聪明与愚笨，不是天生的。

25、狼的本性不会突然改变。

26、少先队员不能向困难低头。

四、反问句改为陈述句。那大臣想：“我是称职的，我不愚蠢。”2 不耕耘不会有收获，不学习不会有知识。3 他不知道人家要把他怎么样。4 你的家是在6单元212号房间。5 凡卡天天挨打挨饿，他很想念乡下的爷爷。6 小姑娘纯洁的心灵，正像一个含苞欲放的花蕾。7 又烂又软的淤泥承受不住这样重的老象。8蜜蜂是有益的昆虫。9孔繁森的先进事迹，使我们感动得流泪。10 这样的精品，是从山上那根很不显眼、很普通的荆条上采下来的。11 谁都有父母兄弟，谁都有妻子儿女，你们不能忍心用枪来打这些受人压迫受人打骂的穷朋友。12 这一朵朵绚丽的鲜花正是园艺工人辛勤劳动的结晶。13 当你听到这段英雄事迹的时候，你会觉得我们的战士是最可爱的，你会为我们的祖国有这样的英雄而感到自豪。

五、按要求改变句式，意思不变。

1、既然我的老师们播下的种子在他们学生的身上开花结果了，我们播下的种子也会在自己的学生身上结果。

2、你和从前相比，是变了个样子。3 这本书是你的。

4、人与山的关系日益密切，使我们感到亲切、舒服。

5、在阳光下，一片青松的边沿，闪动着白桦的银裙，像海边上的浪花。

篇7：反问句改陈述句教学设计

【教学目标】

1、帮助学生了解反问句和陈述句的句型特点，了解并掌握二者之间的互换规律。

2、能熟练地进行反问句和陈述句之间的转换。

【教学重、难点】

1、了解并掌握反问句和陈述句之间的互换规律。

2、能熟练地进行反问句和陈述句之间的转换。

【教学准备】

课件 【教学方法】

点拨法、合作探究法、练习法 【教学过程】

一、激趣导入

出示课件，激发学习兴趣，揭示学习内容。

二、引导学生认识陈述句和反问句。1.陈述句：是陈述一个事实或者说话人的看法。

它包括肯定句和否定句两种。我吃过饭了。（陈述句——肯定句）我没有吃饭。（陈述句——否定句）

2.反问句就是用疑问的句式，表达肯定的观点。

三、巩固陈述句改成反问句的方法。

第一步：（换）肯定、否定互换。

第二步：（加）加上反问语气词如（怎、怎么、难道）等 第三步：（加）加上句末疑问助词（呢、吗）等 第四步：（变）句号变成问号。

用上反问词：难道„„吗？ 怎么„„呢？

四、师传授反问句改为陈述句的方法 第一步：（换）肯定、否定互换。

第二步：（去）去掉反问语气词如（怎、怎么、难道）等 第三步：（去）去掉句末疑问助词（呢、吗）等 第四步：（变）问号变成句号。

五、反问句改陈述句实例讲解。

示例1：否定词改成肯定词

★、她 难道 不 漂亮 吗 ？

引导学生按方法转换：否定词“不”改成“很”，然后去掉反问语气词，再去掉疑问助词，最后问号变成句号。

改好后的陈述句是：她很漂亮。

示例2：肯定词改成否定词

★、我们 怎么 能 退缩 呢

引导学生按方法转换：肯定词“能”改成“不能”，然后去掉反问语气词，再去掉疑问助词，最后问号变成句号。

改好后的陈述句：我们不能退缩。

六、练一练。

课件出示练习：

1、难道这不是祖**亲对我的期望吗？

2、十万支箭，三天怎么造得成呢？ 学生作答并反馈。

七、教师小结。

1、出示反问句改陈述句转换的口诀。

2、希望同学们能够熟练掌握反问句改陈述句之间的互换规律，并且能够灵活运用。

【教学反思】

反问句改陈述句的互相转换，是小学阶段语文学习的一个重点和难点。如何帮助学生掌握反问句改陈述句互相转换的规律，让他们能够熟练地进行句式之间的转换呢？针对小学生的年龄特点，精心制作课件辅助我的教学。

教学中，我先让学生了解陈述句和反问句的含义，在明确这两种句型以后，然后出示复习以前陈述句改反问句的方法，通过巩固加深再引入反问句改陈述句的方法，教给方法后再设计相应的练习让学生做。

篇8：反问句改陈述句的方法

面对传统搜索引擎暴露出来的诸如不能对于专业的问题进行有效的检索、无法给用户带来交互式的体验等问题,近年来出现的社区问答( CQA) 系统在一定程度上弥补了这些缺陷,正在给用户带来全新的搜索体验。人们可以自由地在社区问答系统中提出自己的问题,并由其他用户回答。由于任何人都可以在上面提问和回答,Yahoo! Answers等社区问答系统建立几年来已经积累了大量的问答对。问句检索的研究就是为了能够有效地利用这些历史的问答对信息,快速找到与用户关心问题相同或相近的原有问题,缩短用户得到想要的答案的等待时间的。但是,由于自然语言中存在大量的同义词、语义特性和丰富的句法特征,所以从CQA系统中找到相似的问句并不是一项轻松的任务。比如“How can I lose weight in a few months?”和“Are thereany ways of losing pound in a short period?”都是关于寻求减肥方法的问题,但是它们几乎不含有相同的词汇,并且具有不同的句法特征,传统的利用词频检索的方法很难解决上述的问题。

针对问句检索问题的挑战,本文提出了一种基于主题类别信息问句检索的新方法,该方法利用问句的主题类别信息对传统的语言模型进行平滑,同时采用问句的语义信息进行调整来提高社区问答系统中问句的检索性能。为什么问句的主题类别信息对于问句的检索有用呢? 我们可以先看一个问句的例子:" Can you recommend sightseeing opportunities for senior citizens inChina?" ,这个问题主要是要得到一些关于中国旅游方面的信息,而不是其他国家的旅游信息,也就是该问句的主题是“中国旅游”。再看下面这个问句: " Can you recommend sightseeing opportunities for senior citizens in Japan?" ,尽管与上一个问句在句法结构上十分相似,但该问题的答案显然不应是上一个问题的答案,因为该问句的主题是“日本旅游”。

一个问句所在主题是关于中国旅游的,那么在这个主题下面的所有问句都是关于中国旅游的,因此对于用户提出的一个关于中国旅游的问题,我们可以优先在这个主题下检索,这样就会提高问句的检索效率。由此,我们可以看出问句的主题类别信息对于问句检索的重要性。

1 相关工作

目前用户参与度比较高的社区问答系统有: 雅虎问答、百度知道,它们允许用户提出自己的问题,并且从其他用户那里得到详细复杂的答案。然而回答社区问答系统中的问题需要依赖用户自身的能力和自愿性,所以社区问答系统中还有相当一部分比例的问题没有答案。为了降低这些没有答案问题的比例和减少用户等待答案的时间,社区问答系统中的问句检索任务就变得极为重要。Shtok等人[1]采用统计的方法,利用过去已经解决的问题,来尽可能多地回答还没有解决的问题,并取得了不错的效果。Riahi等人[2]使用统计主题模型来研究问句主题,然后采用分段主题模型来研究社区问答系统中专家用户发现的问题,并与LDA( Latent Dirichlet Allocation) 相比,在性能上有了一定的提高。Chen等人[3]利用机器学习的方法根据文本和元数据特征建立预测模型来预测用户问题的意图,并根据用户意图推荐相关的答案。上述社区问答系统中的其他研究都涉及到了问句检索任务,所以做好社区问答系统中问句检索任务是十分必要的。

早期的学者对于问句检索的研究基本都集中于自动问答系统( FAQ) ,并且已产生了很多的方法,Burke等人[4]采用词语相似度和语义相似度相结合并采用向量空间模型的方法来解决问句之间的检索问题。Berger等人[5]通过学习多种统计的方法来解决问句之间的词稀疏问题,从而提高问句检索的性能。Jijkoun等人[6]采用无监督学习的方法从FQA网页中抽取出问答对,然后采用向量空间模型进行问句检索。Riezle等人[7]采用翻译模型来解决问句的检索问题。上述的这些方法大部分集中于解决问句之间的词不匹配问题,仅仅利用了词的表面信息,并没有挖掘句子背后隐藏的主题类别信息。

随着社区问答系统的出现,近期学者们的研究大部分集中于社区问答系统中问句检索的研究,并且涌现出了一些新的方法。Jeon等人[8,9]比较了多种检索模型———向量空间模型,语言模型和翻译模型等———在社区问答系统中问句检索的性能。他们随后[10]提出了基于翻译的语言模型,并且把问题的答案信息也融入到了自己的模型中。以上这些方法虽然在社区问答问句检索中表现出了良好的性能,但是这些方法仅仅以特征向量为处理对象,难以表示结构化的特征,存在数据稀疏问题。接下来Collins等人[11]提出了一种树核方法,通过计算两棵句法树之间的相同树片段的数量来比较句法树之间的相似度,但没有区别节点的深度特征和句法成分特征。Wang等人[12]通过使用树核对结构化特征进行建模,从而计算两个句子之间的相似度问题,但在相似度计算过程中没有考虑语义信息。本文所描述的问句检索方法,除了利用问句的主题类别信息,考虑问句背后隐藏的主题信息外,同时还利用Word Net作为语义资源来充分挖掘句子的语义信息,能够有效地弥补上述模型中缺少语义信息的不足。

2 问句检索模型的构建

2. 1 检索模型系统的基本架构

本文利用问句的主题类别信息,再辅以语义信息建立问句检索系统,系统框架与流程如图1所示。首先在Yahoo! Answers网站抽取语料集中的问题与答案,建立问答对之间的索引。对于任意的一个查询Q,先用LDA[13]主题模型对问句集合进行主题信息的抽取。再将这些抽取结果,结合问句所在的主题类别信息对语言模型进行平滑建模,检索得到基于主题类别信息的初步结果,这部分作为本文重点研究的内容。而后对于每个Q返回的前1000个结果,再接着利用语义模型进行再次检索,这样得到的结果作为系统最终的检索结果。

2. 2 语言模型模型

语言模型在过去很多信息检索任务中都表现出了良好的性能[14,15,16],同时也在问句检索任务中显示出了良好的性能[17]。它的基本思想是根据文档语言模型生成查询文本的概率来对文档经行排序。即对于一个查询q和一个文档d ,采用JelinekMercer平滑方法[16]的语言模型公式如下:

其中w是一个查询q中的单词,α是平滑参数,pml( w | d) 是对于一个单词w在文档d中的最大似然估计,tf( w | d) 是对于单词w在文档d中的频率。tf( w| Coll) 是单词w在整个文档集合Coll中的频率。Pml( w| Coll) 是单词w在文档集合Coll中的最大似然估计。

2. 3 基于主题类别信息平滑的语言模型

本文采用问句的主题类别信息对语言模型进行平滑,其中主题类别信息的获取,主要利用LDA主题模型对问句集合进行主题信息抽取,然后根据抽取后的主题信息进行聚类,这样就得到了每个问句的主题类别信息。本文之所以采用主题类别信息对语言模型进行平滑主要是基于这样一种思想: 在同一主题类别下,词频较高的词语对问句检索起到次要的作用。因为在同一个主题内所有的问句都是关于同一个主题,而词频较高的词语基本都是和主题相关的,所以在同一个主题内,词频较高的词语对于问句检索起到次要作用。但在不同主题类别下一个主题内的词频较高的词语对于另一个主题,在问句检索中却起到比较重要的作用,因为在不同的主题类别下的问句都是关于不同主题的,所以主题中词频较高的词语更加有利于区分不同的主题。因此对于不同主题类别下的问句检索,词频较高的词语起到了比较重要的作用。

对于用户的问句查询q和相应的候选问句d,我们计算P( q | d) 表示用问句d产生问句q的概率,为了计算P( q | d) ,我们需要估计语言模型P( w | d) ,于是式( 1) 可以改为式( 2) :

其中w表示一个问句q中的单词,Topic( d) 表示问句q的历史主题类别信息,α和β是不同的平滑参数。

接下来将证明为什么主题类别中的高频词语在不同主题类别下对于问句的检索起更重要的作用。我们定义pcs表示在主题类别信息Topic( d) 中出现的单词集合,同样的Pcu表示不出现在主题类别信息Topic( d) 中的单词集合。对于一个文档d生成查询q的概率可使用如式( 3) 计算:

根据主题类别信息平滑模型,即式( 2) ,我们可以得到式( 4) :

把式( 4) 带入式( 3) 中可以得到式( 5) :

从式( 5) 的右边第二部分可以看出,它是独立于文档d的,因此它对我们的排序得分可以忽略不计。从右边第一部分可以看出,对于在不同主题类别下的问句集合,Pml( w | T( d) ) 越大,则P( q | d) 越大。在一个问句中越多的单词出现在一个主题下,那么它在同一个主题中的得分就越高,因此表明,采用主题类别信息平滑的语言模型对不同的问句在不同的主题下起到关键的作用。

接下来我们讨论在同一个主题类别中出现频率高的词语,在同一主题类别下起次要作用。我们定义Ps( w | d) 表示单词w在问句d中出现的单词的概率,即tf( w,d) > 0的情况,Pu( w |d) 表示单词w在问句d中不出现的概率,即tf( w,d) = 0) 的情况,因此一个问句d生成问句q的概率可以表示为如式( 6) :

根据主题类别信息平滑模型即式( 2) 我们可以得到式( 7) :

把式( 7) 代入式( 6) 中可以得到式( 8) :

从式( 8) 中我们可以看出,右边的第二部分都是一样的,因此可以忽略。但是对于右边的第一部分我们可以看出对于单词w在主题文档d中最大似然估计的倒数,即Pml( w | T( d) ) 的倒数,因此这里的主题类别信息平滑和我们熟悉的IDF起到的作用是一样的。在一个具体主题类别中出现次数越多的单词,在同一类别检索中起到的作用越次要。由上面的分析我们可以看出,对于问句在不同主题类别下的检索,基于主题类别信息的语言模型可以得到更好的结果,但是在相同主题类别下的检索只能和IDF起到相同的作用。因此可以看出,基于主题类别信息的语言模型更容易区分出不同主题下的问句。

2. 4 语义模型

本文采用的语义模型SEM( Semantic Model) 使用Word Net作为语义资源。在Word Net中,两个单词之间距离越近认为它们之间语义相似性越大,反之则认为语义相似性越小。对于给定的两个特征词w1和w2,利用Word Net来计算两个特征词之间的语义相似度公式如下:

其中Sim( w1,w2) 表示w1和w2之间的语义相似度,dis( w1,w2)表示w1和w2在Word Net中的语义距离。式( 9) 很好地表现了两个单词的相似度随语义距离的增大而减小的特点。另外,规定相同单词之间的语义距离为零,此时的相似度为1。

由上述方法计算出词语的语义相似度后,再采用二分图[18]的方法来进一步计算两个句子的相似度,计算公式如下:

其中Q1和Q2表示给定的两个问句,ai和bj分别表示Q1和Q2的特征词,‖Q1‖和‖Q2‖分别表示Q1和Q2中特征词的个数,max的定义如下:

3 实验结果与分析

3. 1 实验数据

本次实验语料是取自Yahoo! Answers( http: / /answers. yahoo. com ) 的一个数 据集 ( http: / / ir. mathcs. emory. edu / ? q =node /60) 。根据每个类别中问句的数量对类别进行排序,选取问句数量最多的60个类别,每个类别的问句数量均在1000个以上。对于选出的60个类别,从这60个类别的问句中共选出143个查询,这些查询由不同的长度、句式构成。

由于选取的语料都是已解决的问题答案对,即每个问题都有最佳的答案。根据有共同最佳答案的问句是最相似的来判定两个句子是否相似,因此分别选出这143个查询所对应有共同最佳答案的问句作为标准答案集,每个查询都对应5到6个这样的对应问句。

从60个类别的问句中去除这143个查询问句以及标准答案问句,重新对每个类别随机选择500个问句,共选取30 000个句子作为噪音句,同时把这143个查询对应的标准答案集和这30 000个噪音句融合在一起,并在此数据集上进行实验。实验的语料信息如表1所示。

3. 2 参数选择

在我们的实验中需要两个平滑参数,表2展示出的结果是在一个小的语料集上的结果,这个语料包含30查询和1000个句子,我们使用LM + T模型采用MAP值作为评价指标,在这个小语料集上对参数进行选择,最后显示在α = 0. 2,β = 0. 2的情况下取得最好的结果。

3. 3 实验结果与分析

为了评价本文检索方法的性能,采用P@ N和MAP ( MeanAverage of Precision) 两个指标对实验进行评价,同时采用了5种不同的检索系统进行对比实验,表3中是7中不同方法的描述,其中( 2) 和( 3) 分别是文献[16]和文献[19]提出的方法( BaseLine) 。

采用相关类中的实验结果如表4所示。

从表4结果可以看出:

( 1) 采用传统语言模型( LM) 的检索方法比采用VSM方法在MAP值和P@ 1值都有大幅度提高。是因为VSM模型只是简单地考虑词信息,而语言模型则考虑除词信息以外的统计信息,所以表现出的结果要比VSM好。

( 2) 采用基于问句类别信息的语言模型( LM + C) 比传统的语言模型在MAP和P@ 1上都有所的提高,是因为采用类别信息的语言模型除了拥有传统语言模型的优势外,还考虑了句子本身的类别信息。

( 3) 采用基于主题类别信息的语言模型( LM + T) 比采用基于句子类别信息的语言模型在MAP上提高了0. 0218,在P@1上提高了0. 0105。是因为基于主题类别信息的语言模型除了考虑句子的类别信息外,还考虑了句子背后隐藏的主题信息。

( 4) 在采用主题类别信息的语言模型中引入语义信息( LM+ T + SEM) 后,比以上所有的模型 ( 不论是MAP值还是P @ 1值) 都有所提高,可以看出在考虑主题类别信息的情况下,再把句子的语义信息引入进来,能更好地表达句子的本身含义,更加有利于问句的检索。从中也表明本文提出的方法是一个有效的检索方法。

4 结 语