问答系统国内外研究现状综述.docxVIP

问答系统国内外研究现状综述 国外研究现状国外在问答系统领域的研究起步较早，目前在工业界以及学术界都有了一些比较成熟的问答系统和聊天机器人系统，例如微软公司的Cortana，谷歌的Google Now，MIT的Start系统等 国外 \t /yanjiu/_blank 研究 \t /yanjiu/_blank 现状国外在问答 \t /yanjiu/_blank 系统领域的研究起步较早，目前在工业界以及学术界都有了一些比较成熟的问答系统和聊天机器人系统，例如微软公司的Cortana，谷歌的Google Now，MIT的Start系统等等。29508Start是1993年MIT \t /yanjiu/_blank 计算机系的学者Boris Katz和他的同事们一起研发的，是第一个基于Web的问答系统。Cortanta是微软研发的一款人工智能助理 \t /yanjiu/_blank 软件。此软件综合了自然语言处理、信息检索等领域的技术使得它拥有与用户闲聊，查询天气状况、搜寻资料等功能。基于检索的方法和基于生成的方法是聊天机器人的主要实现方法。韩国的小黄鸡就是一种基于检索方法的聊天机器人。基于检索的方法需要先定义知识库，一些启发式的方法和保存需要的回复，之后根据输入和上下文决定最佳的回复。基于生成方法或者说端到端的方法不需要预定好的回复，该方法基于机器 \t /yanjiu/_blank 翻译的方法自动生成回复，由输入直接得到输出。微软在文章[8]中提出一种基于检索的聊天机器人模型。该方法利用不同结构的文档训练不同模型，解决了以往仅仅使用问题-回复对来训练模型的限制，并针对词、短语、句子和篇章等不同级别采用不同方案抽取特征，并通过排名学习模型对最终的回复进行排序。文章在WikiQA和QASent两个语料上的，实验结果表明了该方法的适应性。谷歌在文章[9]了一种基于生成的方法。文章中提出了一种多损失 \t /yanjiu/_blank 网络模型，该模型融合了多个单损失神经网络模型，每个单损失神经网络模型只对一种特征计算损失，从而达到对上下文，用户等信息分别建模并最终合并多种特征对回复进行预测。b.国内 \t /yanjiu/_blank 发展现状与国外研究情况相比，国内在问答系统和聊天机器人系统方面的研究无论在规模还是研究水平上都有不少的差距。其主要原因有两方面：一方面，中文信息处理有其特殊性，国外一些相对成熟的技术和研究成果不能直接利用；另一方面，缺乏相应的自然语言处理的相关基础的语料库、知识库以及相应的评价机制等。国内在问答系统领域走得比较靠前的研究机构主要有清华大学、北京大学、中科院计算所、哈工大等。微软亚洲研究院研究的小冰机器人，图灵机器人公司的图灵机器人，以及阿里、腾讯也都开发了自己的智能聊天机器人，例如腾讯开发了针对QQ群的聊天机器人Baby Q和QQ小冰。这些机器人大都同时采用了基于检索的聊天机器人方法和基于生成的方法。3图像问答综述图像问答技术就是将自然语言处理和图像理解技术相结合而产生的一个新兴的领域。图像问答跟传统的文本问答系统主要的区别就在与文本问答系统的答案来源于数据库、文档等一些文本资源，而图像问答系统的答案主要来源是图像，使用者的问题也是主要针对图像的内容来提出的。图像问答问题主要有基于推理的方法和端到端的方法[19]。所谓推理的方法，就是利用一些预定义的规则，例如“苹果在桌子上”这种规则产生我们想要的答案。端到端的方法大都采用深度学习，将图像和问题作为输入直接得到输出。图像问答主要有两个关键问题，第一个是如何理解图像，图像作为答案的来源，那么图像理解的好坏将直接影响到我们的答案的准确度；另外一个就是如何理解问题，作为生成答案的一部分，问题决定了我们应该去寻找什么样的信息，那么问题理解程度的深浅将决定了我们得到答案的好坏。a.基于推理的图像问答Malinowski[2]等人提出的使用基于不确定输入的多世界（multi-world)方法实现对于真实世界的场景问答是基于推理的方法中较有代表性的一种。在使用带有深度信息的数据集NVU-Depth V2cktaset的情况下，该方法可以对场景使用语义分割算法[3]来构建世界并且收集关于物体的识别信息，例如物体颜色、类别和3D位置;然后利用语义分割产生一个对于该场景的多种world解释；最后通过概率模型来得到答案. 问答系统国内外研究现状综b.基于深度学习的端到端的方法为了对图像进行问答，Agrawal[4]等人提出了多种视觉问答算法和一个图像问答算法数据集(VQA).文章中的算法主要是基于CNN和LSTM，并且设计并实现了多种改进的方案。这些算法都是先对图像利用VGG-NET抽取出图像特征，之后对问题用了词袋模型、一层的LST