自然语言处理-应用场景-问答系统:综合回答策略【基于FAQ 的问答(不具备推理功能)-->基于结构化数据的问答-->知识推理后的回答(e.g. TransE算法)】

本文探讨了问答系统的发展,从基于FAQ的简单匹配,到利用结构化数据进行转化查询,再到知识推理后的回答。强调了不同阶段问答系统的优缺点,如基于FAQ的系统依赖大量问答对,不具推理能力;而基于结构化数据的系统能处理更复杂问题,但需精确的语法解析。最后提到了知识推理在提升问答系统能力上的作用。
摘要由CSDN通过智能技术生成

在这里插入图片描述

一、基于FAQ 的问答(不具备推理功能)

基于 FAQ 的问答系统, 主要是指在预先构建好的问答模板库中查找与输入问句相近的问句模板, 其返回的答案是问句模板所对应的答案模板。
在这里插入图片描述
此类问答系统要依赖大量的由问答对构建的知识库。

主要应用的技术是句子的相似度计算:将用户输入的自然语言问句与问答对模板库中的问句进行相似度的计算, 设定一个阈值, 将所有相似度超过阈值的问答对模板作为候选答案集, 从中选出相似度最高的作为答案返回给用户。 若没有超过阈值的候选答案对, 则表示没有用户输入问题的答案。

此类问答系统的特点是问答的覆盖率较低, 灵活性差, 不具备推理功能, 对于复杂的问题无法回答, 并且需要人为手工构建, 人工代价大。

基于FAQ 的问答系统的问答流程为:

  1. 将用户输入的问句与问答对模板中的问句做句子相似度计算;
  2. 将所有超过阈值的问句模板设为候选答案集, 从中选出相似度最高的一组作为答案返回给用户;
  3. 若所有问句相似度均没有超过阈值, 则提示用户无法回答该问题。

二、基于结构化数据的问

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值