问答系统中答案选择方法研究

　　\"智能问答技术能根据用户自然语言提问返回准确的自然语言答案，能有效面对大数据时代信息 带来的挑战，是未来搜索引擎发展的必然趋势。其中，答案选择模块是问答系统中的核心部分，直接影响整个问答系统的性能与表现。本书梳理了不同类别自动问答研究方向的相关知识资源、基础理论和实践应用，详细介绍了面向单文档问答的基于特征关注机制的文本理解方法，面向多文档问答的融合多视角的答案重排序方法，面向社区问答的基于转导学习的答案选择方法，以及面向知识库问答的基于表示学习的问答关系推理方法等一系列前沿理论研究，并描述了如何基于答案选择模块从零开始构建一套面向开放域的高质量自动问答系统。本书面向的读者对象包括但不限于：人工智能、自然语言处理专业人士，院校语言学专业师生，语言学研究者。\"

　　\"黄河燕，语言智能处理与机器翻译领域专家，北京理工大学人工智能研究院院长、北京市海量语言信息处理与云计算应用工程技术研究中心主任、信息智能处理与内容安全 重点实验室主任。兼任 计算机专业教指委副主任委员、中国中文信息学会监事长、中国电子学会常务理事、信息技术新工科产学研联盟常务副理事长、中国人工智能学会和中国中文信息学会会士。黄河燕教授长期从事语言信息处理、信息内容安全、智能应用系统等领域的科学研究与产业化应用。获得了 科技进步一等奖、二等奖，北京市科学技术一等奖、二等奖，全国 科技工作者等十余项 和省部级奖励。魏骁驰，2018年博士毕业于北京理工大学计算机学院，现任百度搜索策略部 工程师，负责搜索Query理解业务方向。主要研究方向包括智能问答、多媒体检索、 系统等，先后在SIGIR、AAAI、IJCAI、MM、TKDE、TOIS等 会议/期刊发表论文20余篇，此外担任ACL、AAAI、SIGIR、TKDE、KBS等会议/期刊审稿人。曾荣获中国中文信息学会 博士论文、北京理工大学 博士论文、中国电子学会科技进步一等奖。任慕成，2017年硕士毕业于墨尔本大学电子与电气工程专业，现于北京理工大学计算机学院攻读博士学位，研究方向为机器阅读理解、文本问答和医学信息等，先后在ACL、EMNLP、Neurocomputing等会议/期刊发表多篇论文，曾获CCL2022 论文奖。\"

第1章 绪论
1.1 研究背景及意义
I.1 .I研究背景
1.1.2 研究意义
1.2 问答系统的历史沿革
1.2.1 受限领域问答
1.2.2 开放领域问答
1.3 问答系统类型
1.3.1 单文档问答
1.3.2 多文档问答
1.3.3 社区问答
1.3.4 知识图谱问答
1.4 本书章节组织结构
1.5 参考文献
第2章 面向单文档问答的答案选择方法
2.1 引言
2.2 相关工作
2.2.1 文本理解
2.2.2 关注机制
2.3 基于特征关注机制的文本理解方法
2.3.1 文本理解任务定义
2.3.2 陈述声明构造方法
2.3.3 特征抽取
2.3.4 面向问题的特征关注机制
2.3.5 基于QFA的文本理解模型
2.4 实验与分析
2.4.1 数据描述
2.4.2 评测指标与对比方法
2.4.3 整体性能评测
2.4.4 特征关注机制分析
2.4.5 句子融合分析
2.4.6 特征分析
2.4.7 个例分析
2.5 本章小结
2.6 参考文献
第3章 面向多文档问答的答案选择方法
3.1 引言
3.2 相关工作
3.2.1 多文档问答
3.2.2 预语言模型
3.3 公开数据集合及评价方式
3.3.1 公开数据集
3.3.2 评价方式
3.4 融合多视角的答案重排序模型设计与优化
3.4.1 多文档问答任务定义
3.4.2 模型整体框架介绍
3.4.3 答案预测模块
3.4.4 多视角答案重排序模块
3.4.5 答案分类模块
3.5 实验与分析