这本书提供了一个连贯和完整的概述，各种问题回答(QA)系统。它涵盖了基于数据来源的3个主要类别，可以是非结构化文本(TextQA)、结构化知识图谱(KBQA)，以及两者的结合。开发一个问答系统通常需要使用各种重要技术的组合，包括自然语言处理、信息检索和提取、知识图谱处理和机器学习。
在第一章对本书进行了概览和介绍之后，第二章将解释QA系统的历史和不同QA方法的体系结构。它从早期的近域QA系统开始，并回顾了不同代的QA直到最先进的混合模型。接下来，第三章专门解释用于评估TextQA和KBQA的数据集和指标。第四章介绍了用于质量保证系统的神经模型和深度学习模型。本章包括深度学习和神经文本表示模型的必要知识，以理解文本上的QA模型和知识库上的QA模型，分别在第5章和第6章中解释。在一些KBQA模型中，文本数据还被用作知识库之外的另一个来源;这些混合模型将在第7章进行研究。在第8章中，详细解释了一些著名的QA系统的实际应用。最后，我们将在第9章中讨论有待解决的问题和QA的未来工作。