目录
问答系统是信息检索系统的一种高级形式，旨在用准确简洁的自然语言回答用户自然语言提出的问题。
应用场景：搜索引擎、智能设备和智能客服。
分类：文本问答，知识库问答，表格问答和视频问答。
技术发展：规则方法、统计机器学习时代、深度学习方法。
预训练时代来了，端到端的系统可以做到全局优化，这种端到端问答系统一般是都是检索式问答，分为两阶段：先从语料库中检索候选段落，再阅读理解从候选段落中抽取候选答案。
本课围绕检索阶段：
- 检索方式可分为稀疏向量检索和稠密向量检索，稠密向量检索客服了稀疏向量检索只能捕捉字面匹配的问题，可以做到建模语义匹配，检索效果显著超越稀疏检索。
- 检索模型结构使用双塔模型，虽然不如单塔模型交互充分，但是速度非常快，快速得到语义相似度用于快速索引。双塔模型得到了向量表示，就可以在向量空间中快速找到语义相似的候选段落
RocketQA效果很好，开源的中文端到端问答模型，也有英文并且提供接口可以直接用，目前还不能在自己的数据集上微调，可以关注一下github repo后续会更新
1 问答系统及应用
1.1 定义
问答系统（question answering system，QA）是信息检索系统的一种高级形式，它能用准确、简洁的自然语言回答用户自然语言提出的问题
1.2 应用
- 搜索引擎
- 智能设备
- 智能客服
具体的业务问题：说明书问答（找到答案高亮显示出来）疫情政务问答（RocketQA关注的是内容的语义相关性而非关键词匹配）
1.3 问答系统的分类
2 问答技术发展回顾
1、Protosynthex（Simmons et al. 1963）通过依存关系匹配问题和答案，面向限定领域、采用规则方法的专家系统，解析问题为主谓宾，候选答案也解析为同样的主谓宾，进行强规则匹配
2、TREC QA（1999-2007）问答系统的著名会议，十年还是难以进入实用化水平阶段
NLP进入了统计机器学习时代：人工标记语料，训练统计学习模型。
3、IBM Watson，还是沿用了统计机器学习的方法
4、DrQA，此时深度学习方法已经成为NLP的主流方法，特点是能基于大规模语料进行学习
如下图，两段式形式，先段落检索再进行阅读理解
ACL是国际NLP的会议，下图是此会议接收QA论文的趋势。
2011-2012年统计机器学习时代，一篇都没有。随着大规模语料和深度学习方法的出现逐渐投入更多的研究
2019年出现了预训练模型的技术，达到了新高度
预训练时代的端到端问答：
预训练模型出现之前要搭建一个问答系统，它是由不同的模块组成的，可能有很多模块是不可导不可学习的，这也为系统优化带来了困难（模块独立优化难以达到全局优化的效果）
预训练时代，因为能得到很好的语义表示（向量），端到端系统可以做到全局优化
3 端到端问答技术介绍
3.1 检索式问答
一般问答都是检索式问答，先从语料库中检索候选段落，在从段落中抽取候选答案
本课强调段落检索阶段，之前是tfidf这种稀疏检索的方式，现在两阶段都是可导可学习的模块，整个系统端到端，可以进行全局优化
3.2 检索模型
3.2.1 两种不同的检索方式：稀疏向量检索、稠密向量检索
3.2.2 基于预训练模型的检索模型结构：双塔、单塔
- 双塔：把问题和段落表示成向量，通过计算向量之间内积或者cos相似度可以快速得到两者的语义相似度。可以用于快速索引，但是问题和段落之间难以交互
- 单塔：交互充分，但是效率非常低
3.2.3 基于近似近邻ANN检索的实时检索问答
通过双塔结构得到了向量表示，就可以在向量空间中快速找到语义相似的候选段落
送入阅读理解阶段就可以快速抽取出候选答案
3.2.4 稠密向量检索效果显著超越稀疏检索
3.2.5 模型训练方法的前沿工作
4 RocketQA工具使用介绍
4.1 预训练时代的研发难题
4.2 RocketQA端到端问答开源工具的优势
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
