本教程探索了两个研究领域，即永无休止的学习(NEL)和问题回答(QA)。NEL系统[2]是一种非常高级的计算机系统，它可以随着时间的推移而在解决任务方面变得更好。不同的NEL方法被提出并应用于不同的任务和领域，其结果还不能推广到每个领域，但鼓励我们不断解决如何构建能够利用NEL原则的计算机系统的问题。将NEL原则应用于ML模型并不总是那么简单。在本教程中，我们希望展示(通过实际示例和支持的理论、算法和模型)如何以NEL的方式对问题建模，并帮助KDD社区熟悉这些方法。

我们日常生活中出现了许多问答系统(如IBM Watson、亚马逊Alexa、苹果Siri、MS Cortana、谷歌Home等)，以及最近发布的专注于开放领域问答的新的、更大的数据集，这些都促使人们对问答和能够执行问答的系统越来越感兴趣。但是，尽管过去几年取得了进步，开放领域的问题回答模型还不能取得与人类性能相媲美的结果。因此，开放域QA往往是用NEL方法建模的一个很好的候选对象。本教程旨在使与会者能够:

• 更好地了解当前NEL和QA方面的最新技术。
• 学习如何使用NEL方法建模ML问题。
• 准备好跟随NEL-QA的想法，并提出新的方法来提高QA系统的性能。