DrQA基于维基百科数据的开放域问答机器人实战教程

作者 | fendouai

编辑 | 磐石

【磐创AI导读】：本文主要向大家推荐一个开放域问答机器人的实战项目。欢迎大家点击上方蓝字关注我们的公众号：磐创AI。

DrQA 是一个基于维基百科数据的开放域问答系统，它由检索器和阅读器组成。其中检索器用于从海量的文本（例如维基百科）中获得相关的文章；阅读器用于从文章中获得相应的答案。

一 . 官方介绍

DrQA是一个应用于开放域问答的阅读理解系统。特别是，DrQA的目标是“大规模机读”（MRS）。在这个设定中，我们在可能非常大的非结构化文档集中搜索问题的答案。因此，系统必须将文档检索（查找相关文档）的挑战与机器对文本的理解（从这些文档中识别答案）的挑战相结合。

我们使用DrQA的实验侧重于回答factoid问题，同时使用Wikipedia作为文档的独特知识源。维基百科是一个非常适合大规模，丰富，详细信息的来源。为了回答任何问题，必须首先在超过500万个文章中检索可能相关的文章，然后仔细扫描它们以确定答案。

请注意：

DrQA将Wikipedia视为一个通用的文章集合，并不依赖于其内部知识结构。因此，DrQA可以直接应用于任何文档集合。

数据集：维基百科

框架：PyTorch

版本：PyTorch torch-0.3.0

论文：Reading Wikipedia to Answer Open-Domain Questions

项目：https://github.com/facebookresearch/DrQA

系统架构：

二. 实战

交互模式下提问（一）：

where is stanford university

可以看到检索到的文档是 Stanford University，问题的答案是：浅绿色标注的部分，答案非常的精准。

交互模式下提问（二）：

where is Barack Hussein Obama from

回答不是很精准，我其实想问的是奥巴马来自哪里。答案返回的是奥巴马在哪里，奥巴马在华盛顿，不过也还是相当不错。

交互模式下提问（三）：

who is Donald Trump

这个问题并没有找到准确的答案，虽然文档是相关的。