问答 (Question Answering) 是自然语言处理 (Natural Language Processing) 的一个重要研究领域。在该领域中，研究者们旨在构建出这样一种系统：它可以针对人类以「自然语言形式」提出的问题自动地给出答案。

问答这一领域的研究成果已经早已普及我们每个人的生活。例如，当你清晨起床询问你的智能语音助手 “今天天气怎么样”时，你会得到类似这样的回答：“今天是晴天，温度 15-22 摄氏度”。

与传统的信息检索以及数据库检索不同的是，问答这一领域旨在研究那些以「自然语言形式」给出的问题，而非结构化的查询语言，这更符合日常生活中的应用场景。但自然语言的模糊性也为问题的准确理解带来了很大困难。

同时，问答的数据源可能是多种多样的。在不同的场景下，结构化的知识图谱以及无结构的文本均有可能是潜在的数据源。因此，针对不同的数据源研究相应的推理算法也是当前问答领域的热门方向之一。

因此，总结一下，构建一个高质量问答系统的关键点在于：

  • 准确的问题理解技术

  • 针对不同的数据源设计合适的推理算法

本文将重点针对以「知识图谱」为主要数据源的问答场景（知识图谱问答）进行介绍。感兴趣的可以戳原文。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除