文献类型：期刊文章

作　　者：赵芸[1,2,3] 刘德喜[1,3] 万常选[1,3] 刘喜平[1,3] 廖国琼[1]

ZHAO Yun;LIU De-Xi;WAN Chang-Xuan;LIU Xi-Ping;LIAO Guo-Qiong(School of Information Management,Jiangxi University of Finance and Economics,Nanchang 330013;School of Mathematics and Computer Science,Jiangxi Science and Technology Normal University,Nanchang 330038;Jiangxi Key Laboratory of Data and Knowledge Engineering,Jiangxi University of Finance and Economics,Nanchang 330013)

机构地区：[1]江西财经大学信息管理学院,南昌330013 [2]江西科技师范大学数学与计算机科学学院,南昌330038 [3]江西财经大学数据与知识工程江西省高校重点实验室,南昌330013

出　　处：《计算机学报》

基　　金：国家自然科学基金项目(61762042,61972184,62076112)资助.

年　　份：2021

卷　　号：44

期　　号：6

起止页码：1214-1232

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：自动问答是人工智能和自然语言处理领域的一个研究热点,它最初是为了满足人们快速、准确地获取信息的需求,随着技术的发展,现有的自动问答模型大多无领域限制、可接收文本和语音输入.检索式自动问答是自动问答的重要技术路线,虽然近年来取得了丰硕的成果,但对这些成果进行总结分析的综述类文献或者比较早期、没有纳入新的成果,或者聚焦于某一个单独领域、没有从整体上进行总结分析.本文对问答模型的分类、技术方法、数据集和评价指标进行了比较全面的综述.首先,介绍自动问答的分类方法以及典型类型,总结了不同类型问答模型的特点以及常用的技术方法;然后,以检索式问答模型为主要对象,讨论常用的三类方法,分析了各类方法的特点以及难点,针对不同的难点,总结归纳了现有的改进技术;随后,介绍了检索式自动问答现有的评价方法和数据集;最后,总结现有方法存在的问题,并探讨了检索式自动问答将来的发展趋势和可能的挑战.

关 键 词：检索式自动问答  特征表示  深度学习  神经网络 评价方法  数据集

分 类 号：TP18]