1、隨著互聯(lián)網(wǎng)的發(fā)展，計算機要處理的文本信息越來越多。人們期望計算機能迅速、準確地理解他們的需求和返回精準的信息。傳統(tǒng)的搜索引擎不能完全滿足這種需求，而問答系統(tǒng)作為自然語言處理領域中的一個相當活躍的分支，它所研究的內(nèi)容就是理解用戶用自然語言提出的需求，進而在大規(guī)模的信息中自動地給出滿足用戶特定需求的準確答案。 問題分類是問答系統(tǒng)的一個重要模塊。對系統(tǒng)而言，為了能夠正確地回答問題，知道一個問題問什么，尋找什么樣的答案是非常重要的。問題

2、分類為問題回答系統(tǒng)理解用戶的提問提供了重要信息和解決方案：首先，問題分類能有效地減少候選答案的搜索空間，提高系統(tǒng)返回答案的準確率；其次，問題分類提供的答案類型信息決定了答案抽取策略。 本文在基于支持向量機的問題分類模型上進行研究和改進，主要在以下兩方面提出新的見解和方法：一是提出把三種語義信息(命名實體，語義類別和WordNet語義)加入到語法樹的SVM分類器中，使分類結果的正確率有比較大的提高，分類結果準確率為94％，高于目前