（二）基于文本的QA问答系统——深度检索模型概述

深度检索模型

概述

该部分用于基于上下文信息实现语境对称检索和语境非对称检索。

名词解释

语境检索semantic search指的是结合上下文语境信息的检索。

关于对称检索和非对称检索在文章SGPT: GPT Sentence Embeddings for Semantic Search中有如下解释：

简而言之对称检索指的是query与doc的结构和语义相似，找到与query最相关的若干doc；

非对称检索指的是query与doc结构与语义差异较大，找到与query最相关的若干doc。

动机

预训练语言模型可以更好的理解和利用语义信息，与传统的词嵌入方法不同，预训练模型是contextual（上下文敏感、全局的）的，并且基于大规模预料训练的模型可以更好的总结语言习惯。

之所以使用深度学习的方法进行结果检索是因为我们希望进一步使用问题query 的上下文信息，从而达到更理想的检索效果。

语境对称检索

该人物的目的是实现query与前序query相关度的计算，从而辅助交互系统判断是否开启一个新的检索任务。

语境非对称检索

该部分用于计算上下文信息与文段的相关度，实现基于上下文对普通检索结果的重排序。