1 从输入的数据区分
1.1 KBQA 基于知识库的问答
输入：用户自然语言的query + KG
输出：从KG找出匹配的答案
常用方法：
（1）模式，规则
主要问题是：实体链接，关系词链接
KBQA: An Online Template Based Question Answering System over Freebase 2016 IJCAI
KBQA: Learning Question Answering over QA Corpora and Knowledge Bases
https://github.com/afader/oqa

http://blog.csdn.net/TgqDT3gGaMdkHasLZv/article/details/78146295?%3E
（2）Semantic Parsing

SEMPRE: Semantic Parsing with Execution

https://nlp.stanford.edu/software/sempre/
（3）向量建模、深度学习
主要是问题表示学习以及知识库的表示学习

主要方法请参考https://zhuanlan.zhihu.com/kb-qa?topic=%E9%97%AE%E7%AD%94%E7%B3%BB%E7%BB%9F
http://blog.csdn.net/caiyuanyuan_bjtu/article/details/53243732
1.2 阅读理解
输入：用户自然语言query + 包含答案的文档和句段
输出：从文本中找出匹配的答案
一般过程：问题分析，文档和句段检索，答案抽取和生成
Dataset and Neural Recurrent Sequence Labeling Model for Open-Domain Factoid Question Answering
Paraphrase-Driven Learning for Open Question Answering
stanford  squad阅读理解竞赛 https://rajpurkar.github.io/SQuAD-explorer/

1.3 QA pair中 select answer
输入：用户自然语言query + QA pair库
输出：针对用户输入从QA Pair集合中找出匹配的问题进而找出答案，类似FAQ

下一个博客具体介绍这种方法

2 答案类型分类
（1）事实型问题
（2）列举型问题
（3）定义型问题
（4）交互型问题

3 按照交互次数
（1）单轮
（2）多轮（交互式）

4 按照业务场景：
（1）闲聊
（2）任务型
（3）知识型
http://blog.csdn.net/hfutdog/article/details/78155467
 

5 问题类型
fact：   
   What
   Who
   When
   Where
how to
why
TS

6 获取答案的方式
生成式
检索式

参考https://www.codesec.net/view/556907.html

https://www.codesec.net/view/578172.html