DrQA基於維基百科資料的開放域問答機械人實戰教程

官方介紹

實戰一 . 官方介紹

drqa是乙個應用於開放域問答的閱讀理解系統。特別是，drqa的目標是「大規模機讀」（mrs）。在這個設定中，我們在可能非常大的非結構化文件集中搜尋問題的答案。因此，系統必須將文件檢索（查詢相關文件）的挑戰與機器對文字的理解（從這些文件中識別答案）的挑戰相結合。

我們使用drqa的實驗側重於回答factoid問題，同時使用wikipedia作為文件的獨特知識源。維基百科是乙個非常適合大規模，豐富，詳細資訊的**。為了回答任何問題，必須首先在超過500萬個文章中檢索可能相關的文章，然後仔細掃瞄它們以確定答案。

資料集：維基百科

框架：pytorch

版本：pytorch torch-0.3.0

**：reading wikipedia to answer open-domain questions

專案：系統架構：

二. 實戰

互動模式下提問（一）：

可以看到檢索到的文件是 stanford university，問題的答案是：淺綠色標註的部分，答案非常的精準。

互動模式下提問（二）：

回答不是很精準，我其實想問的是歐巴馬來自**。答案返回的是歐巴馬在**，歐巴馬在華盛頓，不過也還是相當不錯。

互動模式下提問（三）：

這個問題並沒有找到準確的答案，雖然文件是相關的。