本课题来源于国家863计划项目——语言类问题求解和答案生成关键技术及系统。该项目具体目标是解决语言类问题,即高考语文题。其中,基础语言类问题主要分为三种:字级别,词级别以及句子级问题,字级别问题主要是判断字音字形正误问题,词级别主要是字形字义相近的词语之间的甄别,句子级主要是处理多种病句问题。判断字音字形正误与高考语文选择题目中的“正确字音字形判断题”对应。本课题将判断字音字形正误建模为字音字形检索问题,设计并实现了一种多资源融合的策略。对于字音问题,本课题使用的资源包括:1)字音词典;2)大规模文本。对于字形问题,本课题使用的资源包括:1)字形词典;2)分词模型。实验结果表明,多资源融合的方法取得了75.4%的判断正误准确率。相对仅使用词典的基线模型,这一方法获得了5.2%的准确率提升。形近词、近义词词语甄别问题与高考语文选择题目中的“正确词语选择题”对应。本课题将形近词、近义词词语选择问题建模为判断句子不同流畅度问题。本课题使用语言模型建模句子的流畅程度,分别尝试使用循环神经网络语言模型(RNNLM)以及N-元语言模型(N-gram)对句子流畅度进行建模。本课题的实验评价方法是计算选择正确词语的准确率,实验结果表明两种语言模型性能接近。RNNLM取得到了63.4%的准确率,N-gram取得了65.2%的准确率。病句识别与高考语文题中“病句选择的问题”对应。本课题根据病句的语法特征将其分为十种类型,其中最常见的是搭配不当以及语序不当类型病句。本课题将搭配不当建模为是否有语病的分类问题。针对搭配不当病句的识别问题,本课题提出了一种基于依存句法分析的搭配不当病句识别方法。实验结果表明依存信息的特征显著提升了病句识别的准确率并达到55.5%的准确率。针对语序不当的识别问题,本课题提出了基于编码器-解码器(encoder-decoder)的识别方法,模型输入含语序不当错误的句子,输出为语序正确的句子。本课题选用的评测方法是计算生成句子的BLEU值,最后达到了12.76。