چکیده: موتورهای جستجو کنونی قادر به پاسخ گویی مستقیم نیاز کاربران نیستند و معمولا لیستی از منابع مرتبط را برای آنها نمایش می دهند. فراهم کردن اطلاعات از طریق تعامل، ایده اصلی سیستم پرسش و پاسخ است. بیشتر تحقیق هایی که بر روی این سیستم ها انجام می شود، بر روی پردازش پرسش ها تمرکز دارند. پردازش پاسخ، تنها محدود به انتخاب پاسخ مناسب برای پرسش قبلی می-شود. در این پژوهش دسته بندی قطبی بر روی پاسخ های یک سیستم پرسش و پاسخ تعاملی اعمال می شود. دسته بندی قطبی یکی از شاخه های مشهور در پردازش متن است که متن های ورودی را با توجه به محتوای درونی آن ها، به سه سطح مثبت، منفی و خنثی دسته بندی می کند. انتخاب ویژگی های مناسب برای دسته بندی، یک امر بسیار مهم است. در این تحقیق دو ویژگی جدید با عنوان ویژگی احتمالی و اطلاعات متقابل نقطه به نقطه، معرفی می شوند. این ویژگی ها با توجه به گرایش بیشتر آن ها به یکی از سه دسته مثبت، منفی و خنثی، عبارت ها را مقداردهی می-کنند. علاوه بر این دو ویژگی، سه ویژگی مشهور و متداول در دسته بندی قطبی نیز آزمایش می-شوند. این آزمایش ها بر روی unigram ها و bigram ها انجام می شود. برای کاهش ابعاد نیز روش های بهره اطلاعات، نرخ بهره و مربع کای، اعمال می شوند. تاکنون دسته بندی قطبی بر روی متن های تعاملی انجام نشده است. در یک مکالمه گفتگو پیشین می تواند در دسته بندی قطبی پاسخ، تاثیر گذارد. در این مطالعه، تاثیر گفته های پیشین به دو صورت وابستگی زمانی و وابستگی ساختاری بررسی خواهد شد. وابستگی زمانی محتوای گفته های پیشین را در دسته بندی تاثیر می دهد؛ درحالی که وابستگی ساختاری بر روی نوع آن ها تمرکز می-کند. بهترین دقت با ویژگی احتمالی مبتنی بر unigram، برابر 77.45% است. با اعمال کاهش ویژگی، دقت 75.66 % شد و با اعمال وابستگی ساختاری، مقدار آن به 82.62% رسید.