السؤال الفني يجيب عبر المهام والمجالات

بناء نظام الدعم الفني التلقائي هو مهمة مهمة ولكن التحدي.من الناحية النظرية، للإجابة على سؤال المستخدم في منتدى فني، يتعين على خبير بشري استرداد المستندات ذات الصلة أولا، ثم اقرأها بعناية لتحديد مقتطف الإجابة.على الرغم من النجاح الهائل، فقد حقق الباحثون في التعامل مع أسئلة النطاق العامة الإجابة (ضمان الجودة)، وقد تم دفع الاهتمام الأقل بكثير مقابل التحقيق الفني في تشاينا.على وجه التحديد، تعاني الأساليب الموجودة من العديد من التحديات الفريدة (I) تتداخل السؤال والإجابة نادرا ما يتداخل بشكل كبير و (2) بحجم بيانات محدود للغاية.في هذه الورقة، نقترح إطارا جديدا لتعلم النقل العميق لمعالجة ضمان الجودة الفنية بشكل فعال عبر المهام والمجالات.تحقيقا لهذه الغاية، نقدم نهجا للتعلم المشترك قابل للتعديل لمهام استدعاء المستندات والقراءة.تجاربنا على Techqa توضح أداء فائق مقارنة بالطرق الحديثة.

Building automatic technical support system is an important yet challenge task. Conceptually, to answer a user question on a technical forum, a human expert has to first retrieve relevant documents, and then read them carefully to identify the answer snippet. Despite huge success the researchers have achieved in coping with general domain question answering (QA), much less attentions have been paid for investigating technical QA. Specifically, existing methods suffer from several unique challenges (i) the question and answer rarely overlaps substantially and (ii) very limited data size. In this paper, we propose a novel framework of deep transfer learning to effectively address technical QA across tasks and domains. To this end, we present an adjustable joint learning approach for document retrieval and reading comprehension tasks. Our experiments on the TechQA demonstrates superior performance compared with state-of-the-art methods.