基于深度学习的智能问答系统综述

被引：21
|
作者：
姚元杰 [1 ,2 ]
龚毅光 [1 ,2 ]
刘佳 [1 ,2 ]
徐闯 [1 ,2 ]
朱栋梁 [1 ,2 ]
机构：
[1] 南京信息工程大学自动化学院江苏省大数据分析技术重点实验室
[2] 江苏省大气环境与装备技术协同创新中心
来源：
计算机系统应用 | 2023年 / 32卷 / 04期
基金：
国家重点研发计划;
关键词：
问答系统; 智能问答; 自然语言处理; 深度学习;
D O I：
10.15888/j.cnki.csa.009038
中图分类号：
TP391.1 [文字信息处理]; TP18 [人工智能理论];
学科分类号：
081104 ; 0812 ; 081203 ; 0835 ; 1405 ;
摘要：
在科技发达和信息爆炸的时代,如何从海量数据中准确地提取所需信息已成为人们研究的目标.问答系统作为解决此问题的重要途径之一,其主要通过对已有数据信息进行检索和分析,并最终返回问题答案或其他相关信息.近年来,深度学习的革命性发展给问答系统带来了长足的进步,序列到序列的模型,端到端的模型以及最近流行的预训练,都给问答系统留下无限的发展空间,但其仍面临许多挑战.本文首先对问答系统的发展进行简要介绍,接着将问答系统按照3个不同角度进行分类,并对相关数据集、评测指标和各类问答系统的主流技术进行阐述,最后对问答系统面临的问题和未来的发展趋势进行讨论.
引用
收藏
页码：1 / 15
页数：15
相关论文
共 20 条
  • [1] 面向电力规章制度的命名实体识别
    陈鹏
    蔡冰
    何晓勇
    金兆轩
    金志刚
    侯瑞
    [J]. 计算机系统应用, 2022, 31 (06) : 210 - 216
  • [2] 视觉问答与对话综述
    牛玉磊
    张含望
    [J]. 计算机科学, 2021, 48 (03) : 87 - 96
  • [3] 基于深度学习的渔业领域命名实体识别
    孙娟娟
    于红
    冯艳红
    彭松
    程名
    卢晓黎
    董婉婷
    崔榛
    [J]. 大连海洋大学学报, 2018, 33 (02) : 265 - 269
  • [4] 知识图谱的发展与构建
    李涛
    王次臣
    李华康
    [J]. 南京理工大学学报, 2017, 41 (01) : 22 - 34
  • [5] 问答系统研究综述
    毛先领
    李晓明
    [J]. 计算机科学与探索, 2012, 6 (03) : 193 - 207
  • [6] KREAG:基于实体三元组关联图的RDF数据关键词查询方法
    李慧颖
    瞿裕忠
    [J]. 计算机学报, 2011, 34 (05) : 825 - 835
  • [7] 关于知识工程的发展综述
    袁国铭
    李洪奇
    樊波
    [J]. 计算技术与自动化, 2011, 30 (01) : 138 - 143
  • [8] 面向特定领域的知识图谱构建技术研究与应用[D]. 邢立栋.北京化工大学 2018
  • [9] 健康保险智能问答问句理解和答案检索的研究与实现[D]. 陈彦妤.东华大学 2018
  • [10] SpanBERT: Improving Pre-training by Representing and Predicting Spans[J] . Joshi Mandar,Chen Danqi,Liu Yinhan,Weld Daniel S.,Zettlemoyer Luke,Levy Omer.Transactions of the Association for Computational Linguistics . 2020
12