基于全局知识和前后向序列学习的自然答案生成模型

作     者：何世柱 HE Shizhu

作者机构：中国科学院自动化研究所模式识别国家重点实验室北京100190 

出 版 物：《南昌工程学院学报》 (Journal of Nanchang Institute of Technology)

年 卷 期：2018年第37卷第6期

页      面：91-98页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61702512) 

主　　题：问答系统 答案生成 全局知识 序列学习 

摘      要：传统问答系统只能返回孤零零的实体或短语作为答案,这种答案不是一个自然友好的回复形式,事实上,大多数用户希望问答系统的答案不仅需要内容正确,也需要形式自然。利用联合消岐模型把从社区网站获取的自然问题—答案对与知识库进行对齐,研究问答系统中事实类问题的自然答案生成模型。基于知识库的全局表示学习,提出了一个两阶段的自然答案生成模型,第一阶段使用了各种神经网络模型匹配问题和事实,第二阶段利用前后向序列学习模型生成自然语言回复形式的答案。在开放数据集上的实验结果表明,相较于基准系统,该模型不仅能够提升答案准确率14. 3%,也能够生成更加自然的答案回复。