【复旦大学】2023年搜索引警中的智能问答报告.pptx

搜索引擎中的智能问答

张奇

复旦大学;

智能问答--从PC到移动;

Q:学生证买火车票—年能用几次?

A:4次。;

智能问答--无处不在的问答引擎;;

智能问答--解决方案

基于社区的问题回答

Community-basedQuestionAnswering

基于知识图谱的问题回答

Knowledge-basedQuestionAnswering

阅读理解

MachineReadingComprehension;

智能问答--解决方案

基于社区的问题回答

Community-basedQuestionAnswering

基于知识图谱的问题回答

Knowledge-basedQuestionAnswering

阅读理解

MachineReadingComprehension;

智能问答--基于社区的问题回答;

用户:

iPhone死机了怎么办

苹果8突然卡死,主界面不能动,在线急等

我的肾7突然无法操作,这种情况怎么解决?

用户输入与标准问法差别很大;

智能问答--语义匹配

脑袋测得出的东西叫智商,

小孩子发烧38脑袋测不出的东西叫智慧;发烧41度怎么办北京大学眼睛看得到的地方叫视线,

盐酸氯丙嗪

耳朵听得到的动静是声音,

定金订金耳朵听不到的动静是声誉;

嘴里说得出来的话叫内容,

嘴里说不出来的话叫内涵;

失之毫厘，谬以千里!;

基于句子表示的方法

基于交互关系的方法;

智能问答--语义匹配;

智能问答--语义匹配;

智能问答--语义匹配;

短文本蕴含信息不足，通过自适应注意力机制从外部知识中抽取信息，增强文本表示;

智能问答--语义匹配;

智能问答--语义匹配;

智能问答--语义匹配;

Existingmethodstypicallyhaveframedthereasoningproblemasasemanticmatchingtask.

Thebothsentencesareencodedand

interactedsymmetricallyandinparallel.

Theroleofthetwosentencesisobviouslydifferent.;

智能问答--语义匹配;

智能问答--语义匹配;

Query和Doc的多层交互,三层QRNN提供了由浅到深的语义编码能力

Attention机制建模Query和Doc的语义—致性,利用Query重构Doc上下文表示的能力,语义信息层层递进;;

Chrome浏览器怎么删除;

手机为什么冲不进电;

智能问答--语义匹配

答案质量问题;

智能问答--语义匹配

答案非所问;

智能问答--语义匹配

答案权威性问题;

智能问答--语义匹配

答案时效性问题;

智能问答--语义匹配

语料库怎么构建;

智能问答--语义匹配

弱监督数据如何使用;

周杰伦蜡像什么时间亮相

上海杜莎夫人蜡像馆?;

智能问答-阅读理解

2015年之前的模型:单词匹配、逻辑回归、分类等2015年之后的模型:神经网络;;

智能问答-阅读理解;

模型假设文本中存在正确答案，而真实场景面临不存在答案的情况；

模型容易出现常识性错误，对于涉及推理的问题效果不好；;

词级别和句子级别的分层交互，解决文

联合学习答案存在概率和起止位置概率增强上下文相关的表示能力;;;

智能问答-阅读理解

ReCO:ALargeScaleChineseReadingComprehensionDatasetonOpinion;

智能问答-阅读理解;

智能问答-阅读理解

ReCO:ALargeScaleChineseReadingComprehensionDatasetonOpinion，AAAI2020;

智能问答-阅读理解;;

智能问答-阅读理解

ParagraphEncoder;

Straight-Through-Estimator

SupervisedTrainingwithGoldenAnswers;

智能问答-阅读理解

NeuralQuestionGenerationwithAnswerPivot，AAAI2020;

智能问答-阅读理解;

智能问答--挑战

?问答是验证自然语言处理技术发展的重要途径

?目前面临的挑战：

1.如何利用知识和常识

2.如何进行推理

3.如何快速低成本进行领域切换

4.如何构造有效的置信度机制;

谢谢！