如果您还包括提取问题的背景文本，则可以更好地解决此问题。然后，首先在背景文本上训练词嵌入。此外，使用递归神经网络或一些变体生成问题的句子组合性及其答案。在所有这些步骤之后，您可以计算新答案的组成与给出的答案之间的相似性，以了解它是否正确。

要考虑的一种方法：

您将需要一个相似性度量（例如余弦相似性）、两段文本之间的 S(A,B)，以及一种对该度量进行阈值的方法。

• 对于特定答案 A_i，计算 A_i 与所有其他答案 A_j 之间的相似性分数 S(A_i, A_j) 的平均值。称之为 Sim_i。
• 计算 Sim_i，得到所有答案 A_i。
• 取所有 Sim_i 中最小的一个，作为阈值相似度，Sim_T
• 给定一个新答案 A_new，计算其分数 Sim_new 对所有答案的影响。
• 如果 Sim_new >= Sim_T，则接受答案，否则拒绝。

这个想法是，如果新答案与其他已知答案“相似”，则应该接受它。应该有多相似？这是使用已知答案之间的相似性来估计的。这是广泛的方法。可以试验相似性度量和阈值计算。