1、隨著以用戶為中心的Web2.0時代的到來，社區(qū)問答這種以用戶為本，充滿了交互性的信息獲取途徑，逐漸變成了用戶獲取信息和經(jīng)驗的重要平臺。以用戶為中心的新型問答方式，由于其答案的通常都是經(jīng)過了人工篩選，具有較高的質量，因而相比傳統(tǒng)問答系統(tǒng)的準確性更高，但是由于其答案的獲取并不是實時的，不能為用戶提供最好的用戶體驗，也是導致社區(qū)問答不能繼續(xù)發(fā)展的主要弊病。所以越來越多的研究者將重點放在如何檢索已有的問題，找出與用戶提問類似的問題并返回給用戶，

2、以達到實時的目的，即社區(qū)問答檢索（Question Retrieval），社區(qū)問答檢索系統(tǒng)即是依此為依托的。
　　目前的社區(qū)問答檢索系統(tǒng)已有不少，但是已有的系統(tǒng)主要有兩方面的問題:1）由于目前已有系統(tǒng)中的同義詞擴展模塊依靠詞典擴展的方式，而造成擴展前后語義不符的問題;2）由于用戶的輸入是自然語言描述的句子，其復雜的結構和冗長的句式導致問句重要詞項發(fā)現(xiàn)困難的問題。因此本文主要根據(jù)以上弊病，設計并實現(xiàn)了社區(qū)問答檢索系統(tǒng)，使用融合wor

3、d2vec擴展的詞項擴展方法并度量其相似度的方式改善同義詞擴展語義不符的問題，同時使用依存關系重要度發(fā)現(xiàn)問句中重要詞項，為其設置較高的權重，從而提升社區(qū)問答檢索系統(tǒng)的效果。因此本文的主要研究內容如下：
　　首先根據(jù)已有的知識構建了社區(qū)問答檢索系統(tǒng)原型系統(tǒng)，對檢索系統(tǒng)的架構、功能模塊、系統(tǒng)詳細流程等進行設計，并介紹了各個功能模塊的算法流程和實現(xiàn)過程，在檢索系統(tǒng)的最核心的檢索模型部分，根據(jù)目前檢索系統(tǒng)存在的問題，為檢索系統(tǒng)融入了新的檢

4、索模型以解決目前存在的問題。
　　其次提出了融合word2vec的擴展方法，根據(jù)現(xiàn)有的詞項擴展方法認為擴展詞與原始詞相同而可能造成語義不符的問題，提出本文采用的融合word2vec的詞項擴展方法，在傳統(tǒng)擴展方法的基礎上使用word2vec引入語義擴展并獲得其相似度，然后將兩種方式得到的擴展詞及其相似度融合后得到新的詞項擴展集及其相似度集，用于計算擴展詞項的詞項權重，以提高檢索系統(tǒng)的有效性。
　　然后根據(jù)當前的社區(qū)問答檢索系統(tǒng)

5、中的問句檢索模型沒有考慮問句結構復雜和句式冗長而無法發(fā)現(xiàn)問句重要詞項的缺點，提出了基于依存關系重要度的問句檢索方法，創(chuàng)新性的為問句中不同的依存關系設置了重要度度量以表示問句中詞項之間的關聯(lián)的緊密度，然后將重要度度量應用到詞項的權重設置中，得到詞項權重以發(fā)現(xiàn)問句中的重要詞項，然后根據(jù)融合word2vec擴展的詞項及相似度得到擴展詞項權重，最后使用檢索模型檢索并與未擴展的結果組合再降序排列，得到最終檢索的檢索結果，以提高檢索系統(tǒng)的效果。