王守会，覃 飙

(中国人民大学 信息学院，北京 100872)

1 知识库问答系统概述

随着网络资源的不断丰富，人们获取信息和知识的方式越来越多，如何从海量的信息中快速、精准的获取用户所需要的信息是一个巨大挑战，智能问答系统的出现使得该问题得到了部分解决.问答系统(Question Answering，QA)在接收到自然语言问题后，通过解释大量的结构化和非结构化数据返回一个精准的答案[1].在QA的发展过程中，出现了以下几种问答形式:1)基于知识的问答.该方法将自然语言问题映射为数据库上的结构化查询(如SQL、SPARQL)，然后经查询后得到问题的答案.BaseBall系统[2]是最早的发布于1961年的问答系统，主要用于回答在美国联赛中一个赛季内的有关棒球比赛的问题.该系统通过人工定义一些模板和规则，将自然语言问题进行结构化语义表示，进而查询数据库并返回问题答案;2)基于信息检索的问答.基于用户输入的关键字或短语，从大量语料库中检索出与之相关的文档或段落，并使用相关算法(如阅读理解算法)来理解文本并返回最相关的答案[3，4].如文本检索会议(Text Retrieval Conference，TREC)(1)http://trec.nist.gov发起的问答跟踪系统;3)基于混合方法的问答.该方法通常使用文本数据集和结构化知识库相结合来回答问题.如IBM沃森的DeepQA系统[5]，首先从知识库和文本资源中找到很多的候选答案，进而使用知识资源(如地理空间数据库、文本资源)为每个候选答案打分.

谷歌在2012年提出知识图谱(Knowledge Graph，KG)的概念后迅速得到了广泛的关注和应……