【创新实训】问答系统-Question Generation模块-【博客1：综述】

本文为系列博客，完成问答系统中的QG（Question Generation）模块，具体的博客列表如下：

• 博客1：基本策略
• 博客2：评价指标、初步探索
• 博客3：训练数据和预测数据预处理的部分
• 博客4：模型的构建
• 博客5：生成“问答对”
• 博客6：问答对有效性过滤（基于文本分类任务）
• 博客7：用问题库检索服务

一、问题生成（QG）模块的提出

1.1 问答系统的分类：

• 问答系统又叫QA系统，它的实现主要分为两大类：
• 1. “基于知识库的问答系统”；
• 2. “基于文本的问答系统”
     其中，“知识库”的构建十分困难，而“基于文本的问答系统”则不需要构建知识库的复杂过程。我们将以“基于文本的问答系统”作为本次项目的切入点。

1.2 基于文本的问答系统的基本策略

• 我们专注于“基于文本的问答系统”。它又有两种基本解决策略：
• 最基础的策略是基于信息检索的策略，它通过类似搜索引擎的检索策略，找出大篇文档中的Top K相关片段，然后通过摘要抽取出问题的答案。
• 另一种策略是使用深度学习的方法，这种策略采用了最新的神经网络架构，通常实现比较复杂，但是性能表现较好。

1.3 系统的模块与我的聚焦点

• 我们将采取前一种也就是“基于信息检索的策略”。在这种策略下，QA系统的组成部分可以分为下面四个：
  • 1.信息检索模块；
  • 2.交互与预处理模块；
  • 3.问题回答模块（QA）；
  • 4.问题生成模块（QG）
• 上述的前三部分都在其他文章中有所阐述，在我的文章中，我将聚焦QG模块，来讨论基于文本的问题生成。