文章目录
-
- 早期的问答系统
- 基于信息检索的问答系统
- 基于知识库的问答系统
-
- CommunityQA/FAQ-QA:基于问答对匹配的问答系统
- Hybrid QA Framework混合问答系统框架
早期的问答系统
20世纪六七十年代，早期的NLIDB(Natural Language Interface toData bBase)伴随着人工智能的研发逐步兴起，以1961年的BASEBALL系统和1972年的LUNAR系统(Voods1973)为代表。BASEBALL系统回答了有关一年内棒球比赛的问题。LUNAR在阿波罗月球任务期间提供了岩石样本分析数据的界面。这些系统一般限定在特定领域，使用自然语言问题询问结构化知识库。这些数据库与如今讲的关系数据库不同，更像基于逻辑表达式的知识库。这一类系统通常为领域应用定制，将领域问题语义处理逻辑（自然语言问题转化为结构化数据查询）硬编码为特定的语法解析规则（例如模板或者简单的语法树），同时手工构建特定领域的词汇表，形成语法解析规则，很难转移到其他的应用领域。
如下图所示为早期NLIDB型问答系统的设计思想。依据文献的介绍，LDB系统大多采用的模块包括：
- 实体识别(Named Entity Recognition),通过查询领域词典识别命名实体；
- 语义理解(Question22 Query),利用语法解析（例如词性分析，Part-OfSpeech)、动词分析（包括主动和被动）以及语义映射规则等技术，将问题解析成语义查询语句；
- 回答问题(Answer Proc
