答案选择任务定义为给定问题及与其对应的一组候选答案,从该候选答案集中挑选出问题的正确答案,因此可以看成建模问答句子间相似度的匹配问题。本课题主要研究通过深度学习神经网络将问答数据集的上下文信息引入模型中,并构建知识网络的方式,对问答句子进行重新表示,验证这些补充信息的效果。通过设计对比实验最终证明了模型的有效性。本文研究的主要工作有以下四点:1.对目前答案选择任务的预处理方式进行改进,通过构建模型判别数据集内所有问题,充分利用现有数据集的同时减少人工成本,增强模型的实用性。2.采用神经网络将同一候选集中的上下文语义引入答案句子的编码中,对每个候选答案进行重新表示,提高神经网络建模问题和答案之间语义关联的能力。3.通过构建知识记忆网络,引入知识权重向量,完成问题、答案句子的编码表示,实验结果证明模型能更好学习问答对之间重要的语义信息。4.将上下文信息和知识网络相结合,对候选答案进行重新表示,并通过实验数据验证了任务指标上的提升。