问答系统

Parent: ai_keywords

问答系统（Question Answering System）

核心定义

问答系统是一种集成自然语言处理、信息检索与知识推理的人工智能系统，旨在用自然语言直接、准确地回应用户提出的问题。不同于传统搜索引擎返回文档列表，问答系统输出精确的实体、句子或段落，强调语义理解、证据抽取与答案生成。

关键技术点

1. 自然语言理解与语义解析
   利用依存句法、语义角色标注及意图识别，将用户问题转化为结构化查询（如SPARQL、逻辑表达式），消除歧义，处理省略和指代。

2. 知识图谱构建与检索
   将领域知识建模为实体-关系图，通过图遍历、路径排序或知识图谱嵌入（如TransE）实现多跳推理，支持复杂关系型问题。

3. 深度预训练语言模型
   基于Transformer架构（如BERT、GPT）进行微调，实现端到端的答案抽取或生成；通过注意力机制捕获上下文深层语义，显著提升开放域鲁棒性。

4. 证据融合与置信度校准
   综合多个候选来源（如结构化数据库、非结构化文本、影像报告），依据检索相关性、逻辑一致性及模型置信度，利用排序学习或对抗训练选取最优答案。

医学/神经科学应用场景：脑卒中急性期决策支持

在首都医科大学神经病学临床环境中，问答系统可整合患者电子病历、影像报告（CT、MRI）、卒中溶栓指南及实时监护数据。例如，当医生提问：“NIHSS评分14分、起病2.5小时、有房颤，是否适合静脉溶栓？”系统先解析关键实体（NIHSS、时间窗、房颤），查询知识图谱中《中国急性缺血性脑卒中诊治指南》的禁忌证规则，同时检索本院既往类似案例及最新临床试验证据，融合后给出决策树路径（推荐溶栓并评估出血风险），并附医学文献出处。该系统已在帕金森病运动症状分级、癫痫发作类型鉴别等场景中完成初步验证，通过多中心数据训练，可显著缩短临床查询时间，降低指南依从性偏差。