智能问答-概述

      近些年来随着deeplearning时代的到来，一些AI的产品渐渐的走进了普通人的视线，

作为一个喜欢追寻新技术的弄潮儿当然少不了对相关技术的关注，当然工作上也有

一些应用，今天要介绍的是AI的一个方向智能问答，为什么是智能问答而不是NLP

（自然语言处理）呢，我看过自然语言处理的文章很多各种零零碎碎，都是在某一点上

讲，让一些非专业人员很难有个直观的理解，我不是相关领域的博士研究员，不可能在

算法理解到比他们深，我想写的是一个系列性的文章。我可能会从概念，流程，某些

技术，整体的实现做一个宏观上的描述。智能问答是一个系统，而自然语言处理只是其中

一个处理过程大概可以这么理解吧。这一篇博客是智能问答系列博客的第一篇所以有了

一个简单的介绍。

什么智能问答系统呢？

  智能问答系统就是基于大量语料数据，通过数学模型，通过相关编程语言实现的一个能够和

人类进行对话，解决问题的一个软件系统。

智能问答的分类：

1、任务型

2、检索式

3、问答式

任务型问答：

任务型问答就是指在特定场景下，具有比较稳定流程的问答，机器人通过在多轮对话的过程中逐渐完善自己

想要获取的信息，通过逐渐完成的信息来给予用户回答。简单讲就是对于一个问句的，你需要知道一些其他答案

才能给予准确回复，对于需要的信息设计一个流程，通过这个流程逐渐获取需要的信息，然后给出答案就行了。

任务型问答一般包含3个核心模块。1、自然语言理解模块。2、对话管理模块。3、自然语言生成模块。

检索式问答：

检索式问答中没有自然语言的生成，有一个特定的回答集，和一个使用问句和问句上下文，合适回答训练出来的模型，

模型训练好后，当一个问句输入，模型会对回答集中的回答做个评分，选出评分最高的那个作为答案输出。

 

问答式：

这个应该说最简单的又或许是最难的，为什么这么说呢？因为这种问答希望是让机器人达到和正常人沟通的

无障碍情况。最简单是因为很多公司都将这种接口免费公开，最难的原因聊天的语料集难以获取，还有一点是

智能化程度很难提高。

 

目前对于工业界最有用的还是任务型问答，所以后面我会发比较大的精力和篇幅来详细的介绍任务型智能问答系统。

后面实战部分我会介绍做过的一个智能问答小机器人，其实是结合任务型和问答式来做的。