问答系统是人工智能和自然语言处理领域中一个倍受关注并具有广泛发展前景的研究方向，其研究兴起的主要原因是人们对快速、准确地获取信息的需求。在问答系统的研发过程中，北航大数据高精尖中心研究团队重点调研了基于知识图谱的问答系统（KBQA），基于文本的问答系统（TextQA），基于表格的问答系统（TableQA）和基于视觉的问答系统（VisualQA），并整合了其现有的学术界和工业界的相关理论和技术，目前总共包括以下八个部分：
- 社区问答(Community Question Answering,CQA)-学术界
- 社区问答(Community Question Answering,CQA)-工业界
- 机器阅读理解(Machine Reading Comprehension,MRC)-学术界
- 机器阅读理解(Machine Reading Comprehension,MRC)-工业界
- 知识图谱问答(Knowledge Base Question Answering,KBQA)-学术界
- 知识图谱问答(Knowledge Base Question Answering,KBQA)-工业界
- 表格问答(Table Question Answering,TQA)-学术界
- 视觉问答(Visual Question Answering,VQA)-学术界
希望能为问答系统与自然语言处理领域的相关学者和研究人员提供帮助。本survey将保持定期持续更新、持续跟踪前沿技术，如有不足请大家批评指正，欢迎各位问答系统与自然语言处理研究者取用，也欢迎大家共同完善此调研。
- ACL2022、IJCAI2022、NAACL2022、AAAI2022和SIGIR2022 中问答相关工作已经更新。（20220425）
-
Richong Zhang, Yue Wang, Yongyi Mao and Jinpeng Huai: Question Answering in Knowledge Bases: A Verification Assisted Model with Iterative Training. ACM Transactions on Information Systems. 37(4): 40:1-40:26 (2019)
-
Yue Wang, Richong Zhang, Cheng Xu and Yongyi Mao: The APVA-TURBO Approach To Question Answering in Knowledge Base. Proceedings of the 27th International Conference on Computational Linguistics(COLING), pages 1998–2009 (2018)
-
基于多源数据的知识图谱构建方法
-
基于知识图谱的问答系统设计与实现
-
基于知识库的问答方法研究
- CN107748757A | 一种基于知识图谱的问答方法
- CN111858887A | 一种机场服务的社区问答系统
- CN111858888A | 一种值机场景的多轮对话方法
- 知行知识图谱智能问答
- 机场智能问答系统
- 通用领域文本阅读理解
特此感谢支持数据公开与系统研发工作的北航高精尖中心及参与这项工作的各位团队成员：
聂志捷、胡志元、张存旺、黄海浪、李航宇、张淑慧、张延钊、李喣通、刘楚珉、田源、王俊凯、张明辉
欢迎pull requests。对于较大的更改，请先开issue以讨论您要更改的内容。
