1. 研究目的与意义

自动问答（question answering, qa）是指利用计算机自动回答用户所提出的问题以满足用户知识需求的任务。不同于现有搜索引擎，问答系统是信息服务的一种高级形式，系统返回用户的不再是基于关键词匹配排序的文档列表，而是精准的自然语言答案。近年来，随着人工智能的飞速发展，自动问答已经成为倍受关注且发展前景广泛的研究方向。

自动问答的研究历史可以溯源到人工智能的原点。1950年，人工智能之父阿兰图灵（alan m. turing）在《mind》上发表文章《computing machinery andintelligence》，文章开篇提出通过让机器参与一个模仿游戏（imitation game）来验证“机器”能否“思考”，进而提出了经典的图灵测试（turing test），用以检验机器是否具备智能。同样，在自然语言处理研究领域，问答系统被认为是验证机器是否具备自然语言理解能力的四个任务之一（其它三个是机器翻译、复述和文本摘要）。自动问答研究既有利于推动人工智能相关学科的发展，也具有非常重要的学术意义。

2011 年，华盛顿大学图灵中心主任 etzioni 在 nature 上发表的《search needs a shake-up》中明确指出：在万维网诞生 20 周年之际，互联网搜索正处于从简单关键词搜索走向深度问答的深刻变革的风口浪尖上。以直接而准确的方式回答用户自然语言提问的自动问答系统将构成下一代搜索引擎的基本形态。同一年，以深度问答技术为核心的 ibm watson 自动问答机器人在美国智力竞赛节目 jeopardy 中战胜人类选手，引起了业内的巨大轰动。watson 自动问答系统让人们看到已有信息服务模式被颠覆的可能性，成为了问答系统发展的一个里程碑。此外，随着移动互联网崛起与发展，以苹果公司 siri、google now、微软 cortana 等为代表的移动生活助手爆发式涌现，上述系统都把以自然语言为基本输入方式的问答系统看做是下一代信息服务的新形态和突破口，并均加大人员、资金的投入，试图在这一次人工智能浪潮中取得领先。

2. 研究内容和预期目标

2.1 研究目标

自动问答系统分为开放域的自动问答和面向领域的自动问答，面向智能家居的人机自然交互技术从本质上看为面向领域自动问答系统的一种。纵观自动问答任务的研究历史，从基于正则的脚本方法、基于知识库的检索方法等，到现今基于神经网络结构的文本抽取及生成方法等，研究方法经历机械、低移植性向智能、可移植性强的转变。

智能交互做为自然语言处理的核心任务和研究难点之一，已有一定的研究基础，但面向智能家居领域还没有非常完整和高性能的交互系统，本项目将结合传统方法与深度神经网络技术，研究并实现面向智能家居领域的高性能自然交互系统。

3. 研究的方法与步骤

（1） 智能家居领域对话数据集的构建。设置数据集的分类列表，第一个值是分类的标签，第二个值是分类的中文名称，第三个是网络访问的请求头，通过值获取相应类别的命令。

（2） 制作训练数据。文本数据并不能直接拿来训练，因为训练的数据不能是字符串的，所以需要对这些文本数据转换成整型类型的数据。就是把一个字对应上唯一的数字，最后把全部的文字转换成数字。

（3）定义模型。我们定义一个文本分类的深度学习模型。

4. 参考文献

[1] kim, y. (2014). convolutional neural networks for sentence classification. proceedings of the 2014 conference on empirical methods in natural language processing (emnlp 2014), 1746–1751.

[2] kalchbrenner, n., grefenstette, e., blunsom, p. (2014). a convolutional neural network for modelling sentences. acl, 655–665.

[3] santos, c. n. dos, gatti, m. (2014). deep convolutional neural networks for sentiment analysis of short texts. in coling-2014 (pp. 69–78).

5. 计划与进度安排

(1) 1月11日至2月15日分析课题，查找资料。

(2) 2月16日至2月28日完成需求分析。

(3) 3月01日至3月16日完成开题报告。