1.问答背景

样本： (Q， P， y) ：（问答，答案，标签）

目标：匹配最佳的问题和答案

图1 基于记忆网络的问答系统

2.深度迁移学习技术

图2 深度迁移学习（迁移某些层）

3.TL在QA中的应用

把样本 (Q， P， y) 投射为词嵌入，训练模型，微调（fine-tune）模型，迁移某些层。

图3 某论文中TL在QA中的做法

4.目前TL在QA中的应用的一般方法

目前的TL在QA中的应用一般是在一个较大的问答数据集（源域），如SQuAQ，上预训练好，然后保留前边的层参数，使用较小的做另一个领域的问答数据集（目标域），如TOEFL，继续微调剩下的层或微调整个网络。其中，目前迁移学习与问答系统的论文之所以能发表，就是替换了以下3大模块中的一块，在某个数据集上获得了比较好的效果。

图4 问答系统的一般由3个模块组成（ 问题分析模块，知识检搜模块，答案生成模块）