问答系统有不同的分类，
根据发展阶段分， 有
基于结构化数据对的问答系统；
基于自由文本的问答系统；
基于问答对的问答系统。
根据使用场景分， 有
FAQ问答系统；
闲聊型问答系统；
任务型问答系统；
知识图谱型 (KBQA)问答系统；
文本型（阅读理解）问答系统。
根据解决方法分，有
基于检索式的问答系统；
基于生成式的问答系统。
根据交互轮次分，有
单轮会话型问答系统；
多轮会话型问答系统。
其他分类方法：
KBQA：基于知识图谱的问答，所有的知识被组织成三元组的形式，比如<姚明、妻子、叶莉>这个三元组是知识图谱里的一条知识，当用户询问“姚明的妻子是谁”的时候，问答模型会将答案定位到“叶莉”；
TableQA：知识是用表格的形式组织的，商家的产品信息用表格的形式存储，当用户询问关于某个产品的具体属性时，问答模型可以把用户的自然语言转化成SQL查询语句，直接从数据库里定位答案；
PassageQA：阅读理解，它是基于文档的问答，我们的问答模型会基于用户的问题，将答案定位在文档的某个段落、某句话甚至是某个短语。
VQA：基于图像或视频的问答，以上图为例，用户问“这个女孩儿的脸被什么挡住了”，问答模型会告诉我们答案是“香蕉”；
Community QA：从命名上来看，它是基于社区知识的问答，比如一个读书论坛，底下有人在交流值得一读的人工智能书籍，在母婴论坛有人在讨论宝宝发烧了怎么办？需要吃药吗？那么这些对话内容都可以沉淀为知识，我们定义的Community QA就来源于这些场景，在不同的领域，我们通过挖掘、或者收集、标注的方式沉淀了一批知识，用问答对的形式把它们组织起来，在这批知识集合下，用户提问一个领域相关的问题，问答模型会告诉我们答案到底是什么。
