答案选择任务是智能问答当中的一个重要部分。给定一个问题以及对应的候选答案池,答案选择任务就是要在候选答案池中找到正确答案。其核心内容就是如何构建出问题以及候选答案之间的匹配关系,从而根据匹配关系对候选答案进行排序,答案选择任务也可以被看成是句子匹配任务的一种。本课题主要研究深度学习在答案选择任务当中的应用,并通过实验证明模型效果。本课题的研究内容主要包括以下几个方面:1.研究基于向量表示的答案选择模型,通过实验比较CNN、biLSTM在句义向量表示上的效果好坏,并验证两者结合模型的有效性,两者的结合模型能够使得学习到的句子向量表示能够同时包含两种网络学习到的语义信息。2.研究基于匹配特征学习的答案选择模型,从对齐特征学习以及聚合方式这两个角度进行对比实验,进而构建效果最好的匹配特征模型,并与现有工作进行对比分析。3.将深层模型与浅层特征进行结合,并在中文答案选择数据集上进行实验,证明浅层特征能够对深层模型起到一定的补充作用。4.将答案选择模型推广到短文本匹配任务当中,从而证明答案选择模型在其他句子匹配任务上的通用性。