摘要：描述了當(dāng)前的部分問(wèn)答系統(tǒng),并對(duì)當(dāng)前主流的應(yīng)用于問(wèn)答系統(tǒng)的深度學(xué)習(xí)理論進(jìn)行研究,希望能夠?qū)?dāng)前的深度學(xué)習(xí)模型應(yīng)用于問(wèn)答系統(tǒng)研究中,提升人們獲取有效信息的效率。對(duì)當(dāng)下的深度學(xué)習(xí)框架經(jīng)過(guò)對(duì)比分析,并在TensorFlow下,采用廣泛應(yīng)用于自然語(yǔ)言處理領(lǐng)域的序列到序列模型實(shí)現(xiàn)一種問(wèn)答系統(tǒng)。序列到序列模型中的編碼器和解碼器可以采用不同的循環(huán)神經(jīng)網(wǎng)絡(luò),文中描述了傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)以及該模型的改進(jìn)長(zhǎng)度時(shí)記憶網(wǎng)絡(luò)。在實(shí)現(xiàn)問(wèn)答系統(tǒng)的對(duì)話生成測(cè)試時(shí),為了保證對(duì)話生成時(shí)輸出質(zhì)量并提高對(duì)話生成測(cè)試時(shí)模型的回復(fù)效果,在原有模型的基礎(chǔ)上,采用注意力機(jī)制減少解碼過(guò)程中有效信息的丟失。由于深度學(xué)習(xí)模型訓(xùn)練時(shí)龐大的計(jì)算量會(huì)造成內(nèi)存的嚴(yán)重?fù)p耗,同時(shí)也為了實(shí)現(xiàn)生成對(duì)話的多樣性,本文采用束搜索機(jī)制實(shí)現(xiàn)生成對(duì)話的多樣性。