智能问答系统，近两年被炒得热火朝天。然而，刨除花式PPT以及论文里的各种黑科技，我们最想知道的其实是：这东西到底怎么落地？

近日，百度开源了主要面向FAQ集合的问答系统框架AnyQ(ANswer Your Questions)，该框架究竟如何？让我们一起来看一下。

摘要

AnyQ是ANswer Your Questions 的缩写，直指问答系统的核心业务：回答你的问题。 实际上，该项目包含面向FAQ集合的问答系统框架AnyQ以及文本语义匹配工具SimNet。

AnyQ采用了配置化、插件化的设计，各功能均通过插件形式加入，当前共开放了20+种插件。开发者可以使用AnyQ系统快速构建和定制适用于特定业务场景的FAQ问答系统，并加速迭代和升级。

SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架，该框架在百度各产品上广泛应用，主要包括BOW、CNN、RNN、MM-DNN等核心网络结构形式，同时基于该框架也集成了学术界主流的语义匹配模型，如MatchPyramid、MV-LSTM、K-NRM等模型。SimNet使用PaddleFluid和Tensorflow实现，可方便实现模型扩展。使用SimNet构建出的模型可以便捷的加入AnyQ系统中，增强AnyQ系统的语义匹配能力

AnyQ 框架

AnyQ系统框架主要由Question Analysis、Retrieval、Matching、Re-Rank等部分组成，框架中包含的功能均通过插件形式加入，如Analysis中的中文切词，Retrieval中的倒排索引、语义索引，Matching中的Jaccard特征、SimNet语义匹配特征，当前共开放了20+种插件。AnyQ系统的配置化、插件化设计有助于开发者快速构建、快速定制适用于特定业务场景的FAQ问答系统，加速迭代和升级。 AnyQ的框架结构如下图：

配置化

AnyQ系统集成了检索和匹配的众多插件，通过配置的方式生效；以检索方式和文本匹配相似度计算中的插件为例：

  • 检索方式(Retrieval)
  • 倒排索引：基于开源倒排索引Solr，加入百度开源分词
  • 语义检索：基于SimNet语义表示，使用ANNOY进行ANN检索
  • 人工干预：通过提供精准答案，控制输出
  • 匹配计算(Matching)
  • SimNet语义匹配：使用语义匹配SimNet架构训练的模型，构建问题在语义层面的相似度
  • Cosine相似度
  • Jaccard相似度
  • BM25
  • 字面匹配相似度：在对中文问题进行切词等处理之后，计算字面匹配特征
  • 语义匹配相似度

插件化

除框架外，AnyQ的所有功能都是通过插件形式加入，用户自定义的插件很容易加到AnyQ系统中，只需实现对应的接口即可，如自定义词典加载、Question分析方法、检索方式、匹配相似度、排序方式等，真正实现可定制和插件化。

文本语义匹配框架SimNet

SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架，该框架在百度各产品上广泛应用，主要包括BOW、CNN、RNN、MM-DNN等核心网络结构形式，同时基于该框架也集成了学术界主流的语义匹配模型，如MatchPyramid、MV-LSTM、K-NRM等模型。SimNet使用PaddleFluid和Tensorflow实现，可方便实现模型扩展。使用SimNet构建出的模型可以便捷的加入AnyQ系统中，增强AnyQ系统的语义匹配能力。

按照文本语义匹配网络结构, 可将SimNet中实现的网络模型主要分为如下两类：

Representation-based Models

如：BOW, CNN, RNN(LSTM, GRNN)

特点：文本匹配任务的两端输入，分别进行表示，之后将表示进行融合计算相似度；

Interaction-based Models

如：MatchPyramid, MV-LSTM, K-NRM, MM-DNN

特点：在得到文本word级别的序列表示之后，根据两个序列表示计算相似度匹配矩阵，融合每个位置上的匹配信息给出最终相似度打分；

SimNet使用PaddleFluid和Tensorflow实现，更多详情访问该开源项目

基于海量搜索数据的语义模型

基于百度海量搜索数据，官方训练了一个SimNet-BOW语义匹配模型，在一些真实的FAQ问答场景中，该模型效果比基于字面的相似度方法AUC提升5%以上。

关注安卓绿色联盟公众号，获取更多技术干货