امروزه بیش از ?? درصد از دانش ما به صورت متن، مستندات و دیگر صورت¬های رسانه ای نظیر ویدیو و صدا نگهداری می شود. اگر از دید علوم کامپیوتری به این مستندات نگـاه کنیم هـمه آن ها به طبیعتی غیر ساخت یافته وابسته¬اند. یک فرد برای دریافت دانش از اطلاعات یک متن، باید ابتدا آن را درک کند و سپس آن را پردازش کند تا بفهمد چه معانی و مفاهیمی در آن موجود است، چه ارتباطی میان مفاهیم وجود دارد و از میان این مفاهیم کدامیک جدید و کدامیک قدیمی است. حال اگر فردی سوالی هرچند ساده داشته باشد بار دیگر باید همان روند طولانی قبلی را طی کند. سیستم های پرسش و پاسخ (qas) به کمک یک مجموعه داده که در اختیار آن است (اینترنت یا داده های متنی و یا هر داده مورد نیاز) پرسش را تحلیل می کند و برای آن سوال مناسب ترین جواب را پیدا می کند. از اولیه ترین کارها پردازش سوال برای پیدا کردن پاسخ و پیدا کردن بهترین پاسخ در بین مجموعه ای پاسخ ها مورد نظر می باشد که مقالات بسیاری با الگوریتم های اکتشافی متفاوتی ازجمله ژنتیک و ماشین بردار پشتیبان و یا حتی روش آماری (پیشنهاد داده شده است) در این زمینه کار کرده اند که همه با درصد های خوبی به نتیجه مطلوب رسیده اند. ما سعی بر آن داریم در صورت امکان برای بهبود بیشتر پاسخ درست از الگوریتم فاخته (coa) برای دسته بندی های موجود در سیستم پرسش و پاسخ استفاده کنیم. الگوریتم فاخته برای دسته بندی پاسخ ها و برای استخراج بهترین پاسخ و در آنتولوژی یک کلمه که دارای چندین معنای مختلف می¬باشد، معناهای مختلف را از wordnet استخراج و انتخاب معنای درست در حوزه خاص از الگوریتم های بهینه سازی فاخته بهره ببریم.