QA问答系统

本文转载
优秀的问答系统有两个关键点：精确的问题理解和高质量的知识来源。近年来随着大数据的发展，这两点纷纷迎来了数据层面的发展契机。
问题理解
由于问题的多样性和复杂性，很难人工制定一套规则完成问题理解。因此从数据中进行语义学习是必要的。社交类问答网站的兴起，包括Yahoo!answers,Stack Overslow,百度知道等。由用户在上面进行提问和回答。这些网站包含了大量的问答对数据集，这称为了问题理解的优质语料。海量的问答语料为问题理解的学习提供了基础。
知识来源
由于知识表述的多样性，以及知识关联的复杂性，需要大量而优质的知识来源。近年来，一批高准确率、海量规模的知识图谱涌现，为问答系统提供了结构化、关联化的知识来源。这也为高效的问题回答提供了知识基础。

在数据发展的契机下，如何设定恰当的模型学习并使用这一批数据就显得尤为重要。
知识图谱，本质上是一种语义网络，其节点代表实体（entity），边代表实体之间的各种语义关系。