KBQA知识问答概述

问答系统历史：基于模板的问答专家系统----->基于信息检索的问答----->基于社区的问答----->基于知识库的问答（受益于维基百科等）

问答形式分类：一问一答，交互式问答，阅读理解。

现有的成果： Wolfram Alpha;答题机器人：日本的‘多达一’高考答题机器人、863：基于大数据的类人智能关键技术与系统；

评测数据集：1.QALD，知识库问答测评。QALD的测评指标：准确率、召回率和F值

2.WebQuestions（5810个问题）

3.FREE917

基于深度学习的问答方法：基于分布式表示(DL)的知识库问答；LSTM、attentionModel、memory network。

问句与答案计算相似度

传统的问答方法：符号表示；基于关键词、逻辑表达式、文本蕴含推理。

问句短语：

wh—短语：who  、when、where、what、which、why、how

wh+名词（形容词，副词）：which shool ，how long

问答质量评估原则：相关度、正确度、精炼度、完备度、简单度、合理度

答案评估：正确、错误，不完全

问答系统基本组件：数据预处理，问题分析，数据匹配，查询创建，排序，结果生成与返回

答案的处理：抽取、组合、摘要、推理

基于知识图谱的问答的基本需求：支持自然语言问句查询，支持多种问题方式，准确率覆盖率高，维护代价低、查询速度快、面对大数据可扩展性好。

技术挑战：如何将问题映射到答案

基于模板的问答：TBSL架构

step1：模板生成：

步骤：获取自然语言问题的POStag信息---->基于POStag信息，语法规则表示问句---->利用domian-dependent词汇和domian-independent词汇来辅助分析问题------>最后将语义转化为一个SPARAQL模板

step2：模板匹配与实例化，实体识别与属性检测：