基于Bi-LSTM和Max Pooling的答案句抽取技术

针对传统问答系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严重,抽取过程耗费大量的人力和时间的问题,提出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,再从提取的答案句中进行最终答案的抽取方式.在答案句抽取过程中使用Bi-LSTM(Bi-directional Long Short-Term Memory)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,该模型的MRR(Mean Average Precision)指数接近0.75.