QA問答系統，QA匹配論文學習筆記

論文題目：

WIKIQA: A Challenge Dataset for Open-Domain Question Answering 

 

論文代碼運行：

首先按照readme中的提示安裝須要的部分

遇到的問題：

theano的一些問題，主要是API改動

下面是解決方法

首先安裝

https://stackoverflow.com/questions/39501152/importerror-no-module-named-downsample

代碼改動以下所示：

 

論文內容：

摘要：

介紹本文主要是提供了一種開放領域的QA匹配的問答系統，而且描述了建立的WIKI數據集的方式。

這種QA匹配的算法與以前的算法的不一樣之處在於，以往重點在於Q和A中相同詞的個數，主要重點在於文本結構的類似，

本文的算法偏向於語義的類似。本文對比了幾種算法在相同數據集上的表現。

引言：

Answer sentence selection （答案選擇？？）是開放領域QA的一個自問題。介紹了

TREC-QA data 的來歷。說這個數據集雖然已是該類問題的基準測試機，可是並很差，有巴拉巴拉一些缺點，

主要就是question和answer之間的文本類似度比較大，偏心文本類似的答案，比實際狀況效果有些膨脹了。

另外一方面就是實際狀況question不必定有對應的答案。

因此建立了wikiQA數據集。

本文的做者實現了幾種模型來

wikiQA數據集的介紹：

這個數據集是從Bing的搜索日誌中選出來的。這個數據集有3047條數據。

這是基於用戶點擊WIKI頁面獲得的。就是用戶有個搜索的問題，返回結果有wiki,用戶點開看了。

那答案怎麼來呢？答案是wiki頁面的摘要。

做者認爲wiki的摘要質量很高，能夠很好的歸納頁面的內容。

爲了排除對於keyword（關鍵字）的偏好，數據集將摘要中的每一句話都做爲問題的一個候選答案。

而後再由人工標註哪些句子是正確答案。

 

實驗：

對比了使用TF-IDF和不使用TF-IDF的區別，實現了

LCLR  和CNN兩種QA比較的算法

CNN-Cnt是最好的了，CNN加詞的權重

在WIKI QA數據集上 CNN表現好與單純的詞匹配，好於LCLR

總結：