随着人工智能技术的发展，人们希望可以快速有效准确响应需求。智能问答系统是目前人工智能和自然语言处理领域中倍受关注并具有广泛发展前景的研究方向。

智能问答系统可以说是信息检索的一种高级形式，用户用自然语言提出问题后，系统能用准确、简洁的自然语言进行回答，满足用户的应答需求。

当前智能问答系统可以分为任务型、检索式、问答式三类。

任务型回答应用在特殊场景，例如家庭大屏电视，具有稳定流程的问答，可实现多轮对话获取信息，以解决用户困惑；检索式是预先生成特定回答集、使用问句和问句上下文训练模型，模型对问答做评分，返回最高评分作为答案输出。

一般智能问答系统的处理框架都包括问句理解、信息检索、答案生成三个功能组成部分。

问句理解

问句理解，需要将用户的意图抽象出来，转换成机器能理解的形式，以此作为答案检索的依据。信息需求作为用户意图的代表，问句的语义结构可以从问题类别和问题内容两方面来表示，当前自然语言技术对问题进行深层次的解析和理解。

信息检索

信息检索，问句理解后形成信息表示，信息检索负责从语料库和知识库中检索相关信息，传递给后续模块。信息检索处理是通过问句检索得到与用户提问相似的候选问句，返回对应的候选答案列表。当前问句检索的主要研究方向在于如何缩小用户提问与知识库中问句之间的语义鸿沟。

答案生成

答案生成，基于信息检索得到的检索信息，答案生成模块主要实现候选答案的抽取和答案的置信度计算，最终返回简洁性、正确性的答案。按照答案信息粒度，候选答案抽取可以分为段落答案抽取、句子答案抽取、词汇短语答案抽取。答案置信度计算是将问题与候选答案进行句法和语义层面上的验证处理，从而保证返回答案是与用户提问最为匹配的结果。

智能问答系统具有丰富的应用场景。

例如闲聊机器人，拉近距离，建立信任关系，情感陪伴等，智能问答系统也自动回复客户对产品售后支持，应用于售后自动问答、坐席助手、售前咨询等。

智能问答服务融合机器学习、信息检索、深度学习等多种技术的智能语义匹配引擎，保证客服问题高精度命中，返回满意答案，智能问答服务采用文本挖掘、关联规则等技术从日志、操作记录等多源数据中学习领域知识，强化问答知识库，提升问答效果。智能问答可实时理解呼叫中心坐席和客户的对话，在通话过程中，机器人自动提取关键字，凝练问题，搜索并呈现出匹配语义的答案，为坐席的工作提供实时支撑，极大提高坐席工作效率和客户满意度。

中国移动智能问答业务，贴心为每一位用户服务。