基于Bi-LSTM和Max pooling的答案句抽取技术研究

自动问答系统是自然语处理的核心任务之一，答案抽取作为问答系统任务中的关键技术，既是研究的重点，也是需要突破的难点，答案抽取技术能够在海量数据中精确地提取到用户所需要的信息. 传统答案抽取方式对答案片段的分词和上下文语义理解准确性的依赖十分严重，抽取过程耗费大量的人力和时间. 针对以上问题，该文采用分步抽取答案的方法，先从答案片段中抽取包含答案的句子，再从提取到的答案句中进行最终答案的抽取. 在答案句抽取过程中使用Bi-LSTM和Max pooling结合的方法构建答案句抽取模型. 实验结果表明，在答案句的抽取中，本模型取得了可观的效果，MRR指数接近0.75.