完整定義
問答系統(Question Answering, QA)是一種資訊檢索系統,它能夠根據使用者提出的自然語言問題,自動從知識庫、文本語料庫或網際網路中檢索並提供答案。問答系統的目標是提供比傳統搜尋引擎更直接和精確的資訊,使用戶能夠更快速地找到所需的答案。問答系統的發展涉及自然語言處理、資訊檢索和知識表示等多個領域。
白話說明
你在客服網站找退款規則時,會不會只想直接看到答案,不想自己翻一堆頁面?
你可以把問答系統想成一個會讀問題、找資料、再整理成答案的工具。
它的目標是把「找答案」這件事變得更快,讓你不用自己在一堆文字裡慢慢挖。
記住這句
你問一題,它盡量給你一個能直接用的答案。
比喻:問答系統就像一個隨傳隨到的智慧型百科全書 -- 你問它任何問題,它會快速從龐大知識庫中找出最精準的答案給你,省去你自己大海撈針的時間。
容易混淆
問答系統 vs 搜尋引擎
搜尋引擎先給你一串可能有用的頁面。
問答系統會盡量直接回你一個答案。
最關鍵的區別:一個給線索,一個給結論。
問答系統 vs 對話系統
對話系統重點是來回互動和維持上下文。
問答系統重點是回答某個具體問題。
最關鍵的區別:一個重聊天流程,一個重答案品質。
問答系統 vs 摘要系統
摘要系統把長文濃縮成短文。
問答系統只針對你問的點作答。
最關鍵的區別:一個縮全文,一個答局部。
實際案例
客服 FAQ
使用者問「退款要幾天?」時,系統先找退費條款,再把結果整理成一句清楚回答。
這比丟一堆文件連結更省時間。
內部知識庫
同事問「新產品的 API 認證怎麼設?」時,問答系統可以從內部文件抓出對應段落,直接回答。
這讓知識不必靠人一個個轉述。
演算法與應用
問答系統常分成抽取式和生成式,抽取式會從文件中挑出答案,生成式會把多段資訊整理成自然語句。
如果資料很多,常會先做檢索,再做閱讀理解,這樣答案比較準。
真正好用的系統,通常還會搭配知識庫、檢索增強生成和上下文管理。
情境判斷
Q1(直覺題): 你只想知道「年假幾天」這種明確問題,較適合哪種系統?
問答系統,因為它會直接回你答案,不必先自己翻文件。
Q2(判斷題): 如果你的問題很模糊,例如「怎麼把專案做得更好」,問答系統一定能回答嗎?
不一定,因為這類問題需要更多背景和判斷,答案常要靠對話、分解問題或人工協助。
常見問題
不一定,早期也有規則式和檢索式做法,只是現在常和大型語言模型結合。
不完全一樣,聊天機器人偏互動流程,問答系統偏直接回答。
常見原因是檢索不到對的資料、上下文切得太短,或生成時把資訊拼錯。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本