錢(qián)明輝　徐志軒

摘要：在web of science上檢索國(guó)外三年內(nèi)關(guān)于知識(shí)庫(kù)問(wèn)答系統(tǒng)的最新相關(guān)研究，介紹了知識(shí)庫(kù)問(wèn)答系統(tǒng)研究在計(jì)算機(jī)信息檢索領(lǐng)域和自然語(yǔ)言處理領(lǐng)域的發(fā)展進(jìn)程；再?gòu)哪壳白钋把氐南嚓P(guān)研究出發(fā)，介紹了兩種主要解決知識(shí)庫(kù)問(wèn)答系統(tǒng)的自然語(yǔ)言處理方法；并探討了國(guó)外最前沿的研究成果為國(guó)內(nèi)知識(shí)庫(kù)問(wèn)答系統(tǒng)以及自然語(yǔ)言處理相關(guān)研究帶來(lái)的啟示，并對(duì)未來(lái)研究前景進(jìn)行了展望。

關(guān)鍵詞：知識(shí)庫(kù)問(wèn)答系統(tǒng)；自然語(yǔ)言處理；信息抽取問(wèn)答系統(tǒng)；語(yǔ)義分析問(wèn)答系統(tǒng)

DOI：10.13939/i.cnki.zgsc.2016.39.086

一、知識(shí)庫(kù)問(wèn)答系統(tǒng)相關(guān)研究的發(fā)展進(jìn)程

有關(guān)于問(wèn)答系統(tǒng)的研究在自然語(yǔ)言處理領(lǐng)域和信息檢索相關(guān)研究領(lǐng)域已經(jīng)有了相當(dāng)長(zhǎng)的研究歷史。早期人們對(duì)于問(wèn)答系統(tǒng)研究的動(dòng)機(jī)和需求主要來(lái)自于信息檢索系統(tǒng)的自動(dòng)化，人們尋求一種計(jì)算機(jī)檢索系統(tǒng)可以自動(dòng)并且準(zhǔn)確地理解人的信息需求，以便于找到合適的信息。所以，早期的問(wèn)答系統(tǒng)解決方法主要是基于信息檢索的技術(shù)。比如在基于模板的RDF問(wèn)答系統(tǒng)（Unger c.et al，2012）一文中，傳統(tǒng)的問(wèn)答系統(tǒng)都是將問(wèn)題轉(zhuǎn)換為RDF三元組的形式，再通過(guò)三元組在知識(shí)庫(kù)中檢索可能的候選答案，但是作者認(rèn)為單純使用RDF三元組無(wú)法準(zhǔn)確地表達(dá)問(wèn)題真正的含義，尤其是對(duì)于較為復(fù)雜的問(wèn)題，RDF三元組很難回答出準(zhǔn)確答案。于是作者提出了一種更為復(fù)雜的問(wèn)題解析方法，即引入“SPARQL”模式來(lái)代替原有的簡(jiǎn)單RDF三元組。“SPARQL”模式是一種專(zhuān)門(mén)用于RDF的查詢語(yǔ)言和數(shù)據(jù)獲取協(xié)議，通過(guò)“SPARQL”的引入，可以更準(zhǔn)確地表達(dá)提問(wèn)的邏輯關(guān)系，從而提高解析提問(wèn)的正確率。Yahya等（2012）在處理Web中的自然語(yǔ)言提問(wèn)時(shí)，也利用了“SPARQL”模式對(duì)自然語(yǔ)言提問(wèn)進(jìn)行拆分和進(jìn)一步的語(yǔ)義分析。這種處理自然語(yǔ)言提問(wèn)的方法的主要思路是將問(wèn)題轉(zhuǎn)換為RDF三元組或者更為復(fù)雜的“SPARQL”形式，即抽取問(wèn)題中最核心的信息，然后在知識(shí)庫(kù)中進(jìn)行檢索，之后對(duì)檢索結(jié)果進(jìn)行排序，選擇最可能的答案。其主要缺陷首先是對(duì)問(wèn)題解析不夠準(zhǔn)確，盡管使用“SPARQL”來(lái)表示問(wèn)題中的邏輯關(guān)系，也仍然是基于三元組的形式，對(duì)于邏輯關(guān)系更為復(fù)雜的問(wèn)題無(wú)法準(zhǔn)確理解，其次對(duì)于候選答案的選擇和排序的準(zhǔn)確率也不是非常理想。

隨著自然語(yǔ)言處理技術(shù)的不斷發(fā)展，對(duì)于自然語(yǔ)言問(wèn)答系統(tǒng)的解決方案目前主要有兩種形式，一種是基于語(yǔ)義分析的方法，即利用語(yǔ)義分析的方法對(duì)提問(wèn)進(jìn)行解析，將自然語(yǔ)言的提問(wèn)轉(zhuǎn)換成更高級(jí)的表達(dá)形式或者標(biāo)準(zhǔn)提問(wèn)語(yǔ)句。最終目標(biāo)是解析提問(wèn)的語(yǔ)義，將其轉(zhuǎn)換為邏輯形式來(lái)準(zhǔn)確表達(dá)自然語(yǔ)言提問(wèn)的含義。然后直接通過(guò)邏輯表達(dá)式在知識(shí)庫(kù)中匹配正確的答案，不再需要找到大量候選答案，然后挑選可能性最大的答案。與之相反，另一種處理自然語(yǔ)言提問(wèn)的方法是基于信息抽取。這種方法不去理解提問(wèn)的邏輯或含義，而是抽取提問(wèn)中重要的核心話題實(shí)體和關(guān)系，然后在知識(shí)庫(kù)中搜索核心實(shí)體幾跳以內(nèi)的候選答案實(shí)體。最后計(jì)算候選答案與提問(wèn)文本的相似性或相關(guān)性，來(lái)選取可能的最佳答案。

二、基于語(yǔ)義分析的問(wèn)答系統(tǒng)研究

首先來(lái)看近三年來(lái)基于語(yǔ)義分析技術(shù)的問(wèn)答系統(tǒng)相關(guān)研究。傳統(tǒng)的基于語(yǔ)義分析的問(wèn)答系統(tǒng)一般來(lái)說(shuō)都是通過(guò)人工標(biāo)注的邏輯詞表，在小范圍內(nèi)進(jìn)行有監(jiān)督的機(jī)器學(xué)習(xí)。這種方式有非常大的缺陷，最主要的問(wèn)題之一就是通過(guò)監(jiān)督學(xué)習(xí)，并且依賴(lài)于人工標(biāo)注，這就導(dǎo)致在大規(guī)模的知識(shí)庫(kù)中表現(xiàn)不佳，遇到在監(jiān)督學(xué)習(xí)中沒(méi)有學(xué)習(xí)過(guò)的樣本就很難處理。Cai等（2013）的研究目的就是在傳統(tǒng)監(jiān)督學(xué)習(xí)的基礎(chǔ)上，建立了一種可以用于大規(guī)模知識(shí)庫(kù)問(wèn)答系統(tǒng)的半監(jiān)督學(xué)習(xí)模型，以解決純監(jiān)督學(xué)習(xí)的語(yǔ)義分析方法在知識(shí)庫(kù)問(wèn)答系統(tǒng)中存在的問(wèn)題。首先作者依然使用了純監(jiān)督學(xué)習(xí)的方法進(jìn)行了一個(gè)語(yǔ)義分析器的訓(xùn)練，其次作者開(kāi)發(fā)了一個(gè)匹配算法在知識(shí)庫(kù)中找到與詞匯相關(guān)的標(biāo)志，最后作者建立了一個(gè)詞匯擴(kuò)展器，將詞匯和知識(shí)庫(kù)中的相關(guān)標(biāo)志聯(lián)系在一起，并且可以不斷添加新的詞匯和知識(shí)庫(kù)相關(guān)標(biāo)志，最終完成學(xué)習(xí)。這種半監(jiān)督學(xué)習(xí)模型雖然性能比傳統(tǒng)的方法有了較大提升，但仍然無(wú)法完全擺脫對(duì)人工標(biāo)注的依賴(lài)，同時(shí)對(duì)詞匯擴(kuò)展器中詞匯與相關(guān)標(biāo)志的正確度要求較高，所以仍然存在一些問(wèn)題。

在用動(dòng)態(tài)匹配方法擴(kuò)展語(yǔ)義分析器（Kwiat-kowski T.et al，2013）一文中作者發(fā)現(xiàn)，首先，在傳統(tǒng)的語(yǔ)義分析解決知識(shí)庫(kù)問(wèn)答系統(tǒng)的方法中，由于對(duì)同一問(wèn)題自然語(yǔ)言表述的多樣性，導(dǎo)致對(duì)相近提問(wèn)的語(yǔ)義分析結(jié)果，即邏輯表達(dá)式會(huì)有所差異。因?yàn)樵谥R(shí)庫(kù)中實(shí)體間的關(guān)系是唯一的，這就會(huì)產(chǎn)生邏輯表達(dá)式與知識(shí)庫(kù)的關(guān)系無(wú)法匹配的情況，從而降低了問(wèn)答系統(tǒng)的性能。其次，面對(duì)大范圍的知識(shí)庫(kù)，依賴(lài)于人工標(biāo)記的邏輯形式是不現(xiàn)實(shí)的。于是作者提出了一種基于本體匹配并且不依賴(lài)于人工詞匯觸發(fā)器的解決方法。這種方法分為兩個(gè)步驟，首先對(duì)問(wèn)題進(jìn)行不依賴(lài)于知識(shí)庫(kù)或者人工詞匯觸發(fā)器的語(yǔ)義分析，允許產(chǎn)生不明確的邏輯表達(dá)式，或者說(shuō)允許產(chǎn)生對(duì)相近含義的提問(wèn)產(chǎn)生不同類(lèi)型的邏輯形式。之后第二步就是作者提出的本體匹配模型，在這種模型下，針對(duì)知識(shí)庫(kù)中不同領(lǐng)域內(nèi)的本體或者關(guān)系，將產(chǎn)生的不明確的邏輯表達(dá)式轉(zhuǎn)換成能夠與知識(shí)庫(kù)中本體匹配的明確邏輯形式，從而提高問(wèn)答系統(tǒng)的對(duì)不同表達(dá)的相似提問(wèn)的處理能力。

利用問(wèn)題答案對(duì)的方法對(duì)Freebase進(jìn)行語(yǔ)義分析（Berant J.et a1，2013）一文作為提出了一個(gè)行之有效的擺脫人工標(biāo)注的語(yǔ)義分析學(xué)習(xí)方法的文章，使得后期很多的相關(guān)研究都以其研究成果作為比較的對(duì)象。在這篇文章中，為解決語(yǔ)義分析中對(duì)人工標(biāo)注的依賴(lài)，作者提出了一種基于問(wèn)題答案對(duì)的學(xué)習(xí)方法。首先作者使用了入一DCS語(yǔ)言來(lái)構(gòu)成提問(wèn)的邏輯表達(dá)式。由于自然語(yǔ)言的復(fù)雜性，導(dǎo)致對(duì)提問(wèn)的語(yǔ)義分析會(huì)產(chǎn)生很多可能的候選邏輯表達(dá)式。作者等人的主要貢獻(xiàn)就是設(shè)計(jì)了一種學(xué)習(xí)算法，可以通過(guò)正確答案的邏輯表達(dá)式，訓(xùn)練得到一個(gè)向量，使得其與最正確的邏輯表達(dá)式的內(nèi)積最大。得到該向量后，即使針對(duì)陌生的新問(wèn)題也可以找到最符合的邏輯表達(dá)式，從而在知識(shí)庫(kù)中找到符合邏輯的答案。

通過(guò)轉(zhuǎn)義法進(jìn)行語(yǔ)義分析（Berant J，LiangP，2014）是對(duì)上一個(gè)研究的進(jìn)一步深入。在2014年的這篇文章中，Berant等人認(rèn)為2013年的模型較為粗糙，直接將候選邏輯表達(dá)式和正確答案的邏輯表達(dá)式進(jìn)行匹配。在2014年的研究中，作者等人提出了一種更為復(fù)雜的模型來(lái)進(jìn)行學(xué)習(xí)。其主要的貢獻(xiàn)是在對(duì)提問(wèn)進(jìn)行語(yǔ)義分析、生成邏輯表達(dá)式的過(guò)程中，增加了一步轉(zhuǎn)義。主要的過(guò)程是先通過(guò)粗糙語(yǔ)義分析，生成一些候選邏輯表達(dá)式。其次通過(guò)候選邏輯表達(dá)式生成與原提問(wèn)語(yǔ)義相近的規(guī)范自然語(yǔ)言表達(dá)，再通過(guò)語(yǔ)義相似度的計(jì)算方法，找到與原提問(wèn)最相似的規(guī)范自然語(yǔ)言提問(wèn)，再生成可能正確的邏輯表達(dá)式。最后通過(guò)正確答案的邏輯表達(dá)式，來(lái)訓(xùn)練模型。Bemnt等人的兩種方法盡管仍沒(méi)有完全解決知識(shí)庫(kù)問(wèn)答系統(tǒng)的問(wèn)題，但對(duì)基于語(yǔ)義分析方法的研究產(chǎn)生了很大的影響。

除了以上利用語(yǔ)義分析產(chǎn)生邏輯表達(dá)式的思路，還有另一種語(yǔ)義分析來(lái)解決知識(shí)庫(kù)問(wèn)答系統(tǒng)問(wèn)題的思路，即語(yǔ)義分析拓?fù)鋱D與知識(shí)庫(kù)實(shí)體關(guān)系拓?fù)鋱D的匹配。如Reddy等（2014）提出在大規(guī)模的知識(shí)庫(kù)中解決自然語(yǔ)言問(wèn)答系統(tǒng)的問(wèn)題，既不基于人工標(biāo)注的學(xué)習(xí)方法，也不利用正確的問(wèn)題答案進(jìn)行訓(xùn)練，而是利用對(duì)自然語(yǔ)言提問(wèn)的語(yǔ)義分析產(chǎn)生的邏輯關(guān)系拓?fù)鋱D與知識(shí)庫(kù)中的實(shí)體關(guān)系拓?fù)鋱D進(jìn)行匹配，作者認(rèn)為在這兩者之間有許多的共性。作者使用CGC語(yǔ)義分析算法將自然語(yǔ)言提問(wèn)轉(zhuǎn)換成邏輯關(guān)系拓?fù)鋱D，然后將其與知識(shí)庫(kù)中已經(jīng)存在的實(shí)體關(guān)系圖進(jìn)行相似度計(jì)算，找到相似度最大的子實(shí)體關(guān)系圖，最后根據(jù)邏輯關(guān)系圖中未知答案的位置，在匹配的實(shí)體關(guān)系圖中相同的位置找到合理的答案。其研究為語(yǔ)義分析方法解決知識(shí)庫(kù)問(wèn)答系統(tǒng)提供了一種全新的思路。

Wen-tau Yih等（2015）也是基于邏輯拓?fù)鋱D匹配的思路出發(fā)，更加深入地創(chuàng)新了一種方法。作者等人最大的創(chuàng)新點(diǎn)在于直接利用知識(shí)庫(kù)中的實(shí)體關(guān)系，分階段逐步生成與提問(wèn)含義最相近的完整邏輯拓?fù)鋱D。該方法第一步是選取自然語(yǔ)言提問(wèn)中可能的候選核心實(shí)體，第二步針對(duì)每個(gè)可能的核心實(shí)體和關(guān)系逐步生成候選核心鏈，第三步利用卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法來(lái)找到與提問(wèn)含義最相近的核心鏈，最后一步將一些限定條件添加到核心鏈中，最終得到與提問(wèn)含義最相近的完整邏輯關(guān)系拓?fù)鋱D，從而根據(jù)需求的未知答案在圖中的位置，得到正確可能性最大的答案。

有關(guān)語(yǔ)義分析方法解決知識(shí)庫(kù)問(wèn)答系統(tǒng)問(wèn)題還有其他許多有趣的研究，如Fader等（2014）提出了一種OQA的方法，既可以應(yīng)用于FREE-BASE這種規(guī)范化、結(jié)構(gòu)化的知識(shí)庫(kù)，也可以應(yīng)用于覆蓋面更為廣泛的Open Information Extrac-tion這種基于信息抽取的知識(shí)庫(kù)，其方法的主要過(guò)程首先仍然是基于對(duì)自然語(yǔ)言提問(wèn)的轉(zhuǎn)義、語(yǔ)義分析、邏輯表達(dá)式的生成和答案的匹配，其創(chuàng)新點(diǎn)在于引入了OQA問(wèn)答系統(tǒng)；其次提出了一種找到高可靠性答案的算法，并設(shè)計(jì)了一個(gè)感知機(jī)模型來(lái)進(jìn)行答案的打分；最后開(kāi)發(fā)了一個(gè)自動(dòng)化的提問(wèn)轉(zhuǎn)義和重寫(xiě)的算法。Bao等（2014）的研究主要是通過(guò)引入了CYK語(yǔ)義分析方法，將自然語(yǔ)言提問(wèn)的表達(dá)式轉(zhuǎn)換和答案查找合并成一個(gè)過(guò)程。以及Yih等（2014）的研究將注意力主要集中在單關(guān)系的自然語(yǔ)言問(wèn)答系統(tǒng)的語(yǔ)義分析上，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)模型來(lái)計(jì)算提問(wèn)中出現(xiàn)的實(shí)體與知識(shí)庫(kù)中的實(shí)體在關(guān)系模式上的相似度，然后選擇相似度最高的三元組來(lái)作為問(wèn)題的答案，盡管取得了一些成果，但是在處理較為復(fù)雜的多關(guān)系的問(wèn)題時(shí)，仍然力不從心。

三、基于信息抽取的問(wèn)答系統(tǒng)研究

在介紹了基于語(yǔ)義分析的知識(shí)庫(kù)問(wèn)答系統(tǒng)的相關(guān)研究后，接下來(lái)了解另一種處理自然語(yǔ)言提問(wèn)的思路，即基于自然語(yǔ)言提問(wèn)信息抽取的方法的問(wèn)答系統(tǒng)研究。在關(guān)于信息抽取方法的研究中，最具有代表性的便是對(duì)結(jié)構(gòu)化數(shù)據(jù)的信息提?。夯贔reebase的問(wèn)答系統(tǒng)（Yao x，Durme B V，2014），在這篇文章中，作者認(rèn)為即使語(yǔ)義分析方法十分流行，信息抽取的方法在性能上依然能與語(yǔ)義分析法相媲美。作者首先將問(wèn)題中有意義的詞和關(guān)系抽取出來(lái)，并根據(jù)其關(guān)系生成一個(gè)關(guān)系圖，然后根據(jù)抽取出的詞確定一些核心話題詞，其次在知識(shí)庫(kù)中根據(jù)這些核心詞周?chē)鷰滋鴥?nèi)的關(guān)系和實(shí)體抽取出—個(gè)知識(shí)庫(kù)的關(guān)系圖。作者認(rèn)為通過(guò)這樣的抽取，在知識(shí)庫(kù)關(guān)系圖中應(yīng)該包含有正確的答案，然后作者將問(wèn)題關(guān)系圖中的所有節(jié)點(diǎn)作為問(wèn)題的特征，將知識(shí)庫(kù)關(guān)系圖中的所有節(jié)點(diǎn)作為知識(shí)庫(kù)關(guān)系圖的特征。將兩者的特征進(jìn)行相似度比較，相似度高的知識(shí)庫(kù)中的節(jié)點(diǎn)獲得高分，反之獲得低分，最后得沿著得分最高的節(jié)點(diǎn)一路走下去就是答案。在該研究中，作者證明了基于信息抽取的方法相較于語(yǔ)義分析法是有一定的可取f生的。

隨著詞嵌入技術(shù)的發(fā)展，對(duì)于基于信息抽取解決知識(shí)庫(kù)問(wèn)答系統(tǒng)的研究有非常顯著的提升。An—toine Bordes等（2014）就將詞嵌入技術(shù)與知識(shí)庫(kù)開(kāi)發(fā)問(wèn)答系統(tǒng)相結(jié)合。在用弱監(jiān)督嵌入模型建立開(kāi)放式問(wèn)答系統(tǒng)這篇文章中，作者認(rèn)為在語(yǔ)義分析解決問(wèn)答系統(tǒng)的研究中，仍然需要人工標(biāo)注，仍然是有監(jiān)督地學(xué)習(xí)，智能化不足。于是其提出了引入詞嵌入技術(shù)，省去了語(yǔ)義分析，直接將自然語(yǔ)言提問(wèn)轉(zhuǎn)換成低維向量，同時(shí)將與問(wèn)題相關(guān)的候選答案的三元組也轉(zhuǎn)換為向量。再利用正確答案進(jìn)行模型訓(xùn)練，在實(shí)際應(yīng)用中將相似度最高的候選答案作為最終答案。在文章中，作者還提出了一些計(jì)算向量相似度的優(yōu)化算法，并進(jìn)行了比較。

在引入了詞嵌入技術(shù)之后，Bordes對(duì)其進(jìn)行了更加深入的研究。在利用子圖嵌入法建立問(wèn)答系統(tǒng)（BordesA et al，2014）一文中，作者對(duì)其之前的模型進(jìn)行了優(yōu)化，其主要貢獻(xiàn)有兩點(diǎn)。第一，作者引入了同義提問(wèn)進(jìn)行模型的輔助訓(xùn)練，以提高模型應(yīng)對(duì)復(fù)雜的長(zhǎng)路徑問(wèn)題的能力。由于自然語(yǔ)言的復(fù)雜性，對(duì)含義相近的問(wèn)題有多種表達(dá)方式，當(dāng)簡(jiǎn)單的問(wèn)題換一種復(fù)雜表述時(shí)，機(jī)器模型處理能力就會(huì)下降。為了解決這一問(wèn)題，作者增加了自然語(yǔ)言問(wèn)題轉(zhuǎn)義的訓(xùn)練。第二，作者對(duì)候選答案的向量表示更加細(xì)化，不再僅僅將答案三元組轉(zhuǎn)換為向量，而是從答案的實(shí)體、關(guān)系路徑和子關(guān)系圖三個(gè)方面出發(fā)，更加全面地構(gòu)成表示答案的低維向量。

在Bordes等人提出了將詞嵌入技術(shù)引入知識(shí)庫(kù)問(wèn)答系統(tǒng)之后，許多研究者受到啟發(fā)，對(duì)這種方式進(jìn)行了更加深入的研究。如li Dong等（2015）在Bordes的研究基礎(chǔ)上，提出了一種多列卷積神經(jīng)網(wǎng)絡(luò)的模型來(lái)計(jì)算問(wèn)題向量和候選答案向量直接的相似度。在利用多列卷積神經(jīng)網(wǎng)絡(luò)建立針對(duì)neebase的問(wèn)答系統(tǒng)這篇研究中，作者等人的貢獻(xiàn)主要體現(xiàn)在從三個(gè)不同的方面來(lái)比較問(wèn)題和答案的相似性，即知識(shí)庫(kù)中候選答案實(shí)體的關(guān)系路徑、上下文聯(lián)系和答案類(lèi)型。作者利用正確問(wèn)題答案訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，對(duì)自然語(yǔ)言提問(wèn)分別生成三個(gè)方面的表示向量，之后與候選答案的三個(gè)方面的向量分別進(jìn)行打分計(jì)算，將結(jié)果相加，總和得分最高的答案作為最佳答案。

在詞嵌入技術(shù)顯示出強(qiáng)大性能的同時(shí)，有研究者嘗試將詞嵌入技術(shù)與語(yǔ)義分析方法的優(yōu)勢(shì)相結(jié)合，解決語(yǔ)義分析方法中的劣勢(shì)，同時(shí)提升知識(shí)庫(kù)問(wèn)答系統(tǒng)的性能。Yang等（2014）就提出了一種新的方法，將詞嵌入技術(shù)與邏輯表達(dá)式相結(jié)合，但是省去了對(duì)自然語(yǔ)言提問(wèn)的語(yǔ)義分析過(guò)程。在研究中，作者認(rèn)為在語(yǔ)義分析方法中的優(yōu)勢(shì)之一就是利用了邏輯表達(dá)式作為對(duì)提問(wèn)的解析形式，邏輯關(guān)系清晰所以答案的可靠性較高；但是缺陷就是語(yǔ)義分析的過(guò)程難度較大，由于自然語(yǔ)言的復(fù)雜性，對(duì)同一問(wèn)題的不同描述數(shù)量非常大。語(yǔ)義分析往往基于實(shí)體間關(guān)系的人工標(biāo)注，但是成本很高效率很低。為解決這一問(wèn)題，作者利用了詞嵌入技術(shù)，將提問(wèn)和候選的邏輯表達(dá)式轉(zhuǎn)換成向量形式，通過(guò)比較二者之間的相似度，來(lái)確定最合適的邏輯表達(dá)式，最終在知識(shí)庫(kù)中確定正確答案。此研究與信息抽取方法最大的不同是其不直接比較提問(wèn)與答案間向量的相似度，而是計(jì)算邏輯表達(dá)式與提問(wèn)間的相似度，既保留了語(yǔ)義分析法的邏輯清晰的優(yōu)勢(shì)，又加入了信息抽取方法中模型簡(jiǎn)單的優(yōu)勢(shì)，是兩種方法優(yōu)勢(shì)的結(jié)合。

四、國(guó)外前沿研究成果的啟示

首先，根據(jù)國(guó)外最前沿的一些研究成果，我們可以發(fā)現(xiàn)，想要建立一個(gè)成熟的知識(shí)庫(kù)自然語(yǔ)言問(wèn)答系統(tǒng)是一項(xiàng)非常復(fù)雜的工作。由于人類(lèi)自然語(yǔ)言本身的復(fù)雜性，再加上目前計(jì)算機(jī)技術(shù)的局限性，使得計(jì)算機(jī)進(jìn)行自然語(yǔ)言的準(zhǔn)確理解和處理是非常困難的。然而建立一個(gè)知識(shí)庫(kù)問(wèn)答系統(tǒng)的關(guān)鍵就在于解決計(jì)算機(jī)在自然語(yǔ)言理解上的難題。盡管隨著機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展，乃至于在計(jì)算機(jī)深度學(xué)習(xí)領(lǐng)域的研究也取得了長(zhǎng)足的進(jìn)步，尤其在一些國(guó)外的前沿研究中不斷應(yīng)用新的優(yōu)化算法，但是最終計(jì)算機(jī)對(duì)自然語(yǔ)言提問(wèn)的回答準(zhǔn)確率依然無(wú)法達(dá)到可以接受的水平。目前這些不盡如人意的實(shí)驗(yàn)結(jié)果一方面說(shuō)明實(shí)現(xiàn)一個(gè)成熟的知識(shí)庫(kù)自然語(yǔ)言問(wèn)答系統(tǒng)是一項(xiàng)具有挑戰(zhàn)性的研究；另一方面也說(shuō)明在知識(shí)庫(kù)自然語(yǔ)言問(wèn)答系統(tǒng)的研究領(lǐng)域仍然有很大發(fā)展空間。

其次，要真正建立一個(gè)成熟的知識(shí)庫(kù)自然語(yǔ)言問(wèn)答系統(tǒng)，實(shí)現(xiàn)計(jì)算機(jī)自然語(yǔ)言的無(wú)監(jiān)督學(xué)習(xí)是十分必要的。盡管目前計(jì)算機(jī)在無(wú)監(jiān)督學(xué)習(xí)下的自然語(yǔ)言處理結(jié)果相比有監(jiān)督地學(xué)習(xí)準(zhǔn)確度且更為復(fù)雜，但是計(jì)算機(jī)對(duì)自然語(yǔ)言的無(wú)監(jiān)督學(xué)習(xí)是實(shí)現(xiàn)真正意義上的智能問(wèn)答系統(tǒng)的必然趨勢(shì)。在有監(jiān)督學(xué)習(xí)下建立的問(wèn)答系統(tǒng)有一個(gè)最致命的缺陷就是無(wú)法處理新的知識(shí)，即無(wú)法處理沒(méi)有標(biāo)注過(guò)的內(nèi)容。由于人類(lèi)自然語(yǔ)言的復(fù)雜性，再加上人類(lèi)語(yǔ)言自身仍在不斷變化和更新，難以通過(guò)人工標(biāo)注的方式將所有自然語(yǔ)言的詞匯全部囊括到知識(shí)庫(kù)中。這就需要計(jì)算機(jī)有自主學(xué)習(xí)的能力，通過(guò)知識(shí)庫(kù)中已有的知識(shí)來(lái)不斷學(xué)習(xí)新的內(nèi)容。計(jì)算機(jī)有自主更新知識(shí)庫(kù)的能力是其實(shí)現(xiàn)真正智能的自然語(yǔ)言問(wèn)答系統(tǒng)的前提。

最后，詞嵌入法這種將自然語(yǔ)言抽象化、向量化的方法是目前解決計(jì)算機(jī)自然語(yǔ)言處理的發(fā)展方向。由國(guó)外對(duì)基于知識(shí)庫(kù)的自然語(yǔ)言問(wèn)答系統(tǒng)相關(guān)研究可以發(fā)現(xiàn)，無(wú)論是用語(yǔ)義分析方法進(jìn)行自然語(yǔ)言處理的研究，還是用信息抽取方法進(jìn)行自然語(yǔ)言處理的研究，最終都選擇了將詞嵌入法與自身相結(jié)合的發(fā)展方向，說(shuō)明詞嵌入法或者說(shuō)自然語(yǔ)言向量化對(duì)整個(gè)自然語(yǔ)言處理研究領(lǐng)域以及知識(shí)庫(kù)問(wèn)答研究領(lǐng)域都產(chǎn)生了深遠(yuǎn)的影響。其中主要的原因就在于詞嵌入技術(shù)最大的特點(diǎn)是真正實(shí)現(xiàn)了將人類(lèi)的自然語(yǔ)言轉(zhuǎn)換成計(jì)算機(jī)可以處理的抽象化的向量，為計(jì)算機(jī)真正理解自然語(yǔ)言提供了基礎(chǔ)。因此，國(guó)內(nèi)在知識(shí)庫(kù)問(wèn)答系統(tǒng)以及自然語(yǔ)言處理方面的研究中也要將詞嵌入技術(shù)和其他能夠把自然語(yǔ)言抽象化的技術(shù)重視起來(lái)，與自身的研究相結(jié)合，把握解決問(wèn)題的正確方向。

五、結(jié)語(yǔ)

由于自然語(yǔ)言處理技術(shù)的不斷發(fā)展，有關(guān)知識(shí)庫(kù)問(wèn)答系統(tǒng)的研究也取得了長(zhǎng)足的進(jìn)步。首先一個(gè)具有高度人工智能的自然語(yǔ)言問(wèn)答系統(tǒng)將會(huì)為整個(gè)社會(huì)帶來(lái)重大改變。比如人們可以更高效地獲取信息和知識(shí)，人類(lèi)將從復(fù)雜信息檢索和信息篩選中解放出來(lái)；其次對(duì)于企業(yè)來(lái)說(shuō)，高智能的自然語(yǔ)言問(wèn)答系統(tǒng)可以為其降低與客戶的溝通成本，將繁瑣的客服工作交給計(jì)算機(jī)完成；從社會(huì)的角度來(lái)看，自然語(yǔ)言問(wèn)答系統(tǒng)的實(shí)現(xiàn)標(biāo)志著計(jì)算機(jī)真正做到了對(duì)信息的理解，是人工智能技術(shù)里程碑式的進(jìn)步，也意味著人類(lèi)社會(huì)處理信息的能力又上了一個(gè)臺(tái)階。盡管目前的成果仍然無(wú)法完全解決知識(shí)庫(kù)問(wèn)答系統(tǒng)存在的問(wèn)題，比如完全無(wú)監(jiān)督地學(xué)習(xí)，真正對(duì)自然語(yǔ)言提問(wèn)的語(yǔ)義理解，大規(guī)?；R(shí)庫(kù)的問(wèn)答系統(tǒng)，以及可以接受的回答正確率等。但在未來(lái)的研究中，仍然有很多問(wèn)題值得進(jìn)一步地研究和探討，隨著機(jī)器學(xué)習(xí)和人工智能技術(shù)的不斷發(fā)展，完全解決知識(shí)庫(kù)問(wèn)答系統(tǒng)問(wèn)題的未來(lái)指日可待。