刘康　张元哲　纪国良　来斯惟　赵军



基于表示学习的知识库问答研究进展与展望

刘康1张元哲1纪国良1来斯惟1赵军1

面向知识库的问答（Question answering over knowledge base，KBQA）是问答系统的重要组成.近些年，随着以深度学习为代表的表示学习技术在多个领域的成功应用，许多研究者开始着手研究基于表示学习的知识库问答技术.其基本假设是把知识库问答看做是一个语义匹配的过程.通过表示学习知识库以及用户问题的语义表示，将知识库中的实体、关系以及问句文本转换为一个低维语义空间中的数值向量，在此基础上，利用数值计算，直接匹配与用户问句语义最相似的答案.从目前的结果看，基于表示学习的知识库问答系统在性能上已经超过传统知识库问答方法.本文将对现有基于表示学习的知识库问答的研究进展进行综述，包括知识库表示学习和问句（文本）表示学习的代表性工作，同时对于其中存在难点以及仍存在的研究问题进行分析和讨论.

知识库问答，深度学习，表示学习，语义分析

引用格式刘康，张元哲，纪国良，来斯惟，赵军.基于表示学习的知识库问答研究进展与展望.自动化学报，2016，42（6）：807-818

随着人们对于信息精准化的需求越来越高，传统以关键词匹配和文档排序为基本特点的搜索引擎急需一场革命.2011年，美国华盛顿大学图灵实验室的Etzioni教授在Nature上发表题为“Search needs a shake-up”［1］一文指出，问答系统是下一代搜索引擎的基本形态.区别于传统基于关键词匹配的搜索模式，问答系统最主要的特点在于：1）用户输入是自然语言的问句；……