小標題問答化:讓內容結構便於機器解析
小标题问答化:让内容结构能被机器解析
小標題問答化將二級標題改寫為可直接回答的問題,令按標題切塊的內容形成一問一答單元,提升檢索、摘取與對齊精度。文章提供標題改寫規則、Python 改寫器與解析器,以及五步落地方法。流程説明、條款與清單類不宜硬改成問句,改寫結果亦需人工核對。
2026-11-10 11
版权
版权声明:
本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写 侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
简介: 本文提出“小标题问答化”方法:将二级标题改写为可直接回答的问题,使机器按标题切块时自然形成“一问一答”单元。此举提升检索、摘取与对齐精度,兼顾读者速读体验。文中含形态对比、改写规则、Python解析器及落地五步法,并明确适用边界。(239字)
本文说的「小标题问答化」,指的是把每个二级标题改写成一句能被直接回答的问题,让检索与摘取系统按标题切块时,切出来的是一问一答,而不是混合块。
先说结论:机器按标题层级切块,标题含糊就会切出混合块;问答型标题让「一块=一个问题」变成结构事实,切块、摘取、对齐都容易。文中标题与样例都是假设值。

问:标题写成「课程体系」不行吗?
答:不是不行,是不利于切块:它不构成问题,块里往往混着几件事。
问:所有标题都要改成问句吗?
答:不需要。适合问答化的是可被直接回答的内容;流程说明与条款类保持陈述句更清楚。
问:改标题会影响读者吗?
答:会变好:读者扫标题就知道这一段答什么,向下取信息更快。
一、小标题决定机器能否切准
我按标题层级看切块:一个二级标题下面通常被视为一个语义单元。
标题是名词短语时,这个单元塞了几件事;切块后模型无法判断该引哪段,只能整段带出。
缺了会怎样:标题含糊,切出的块是混合块,引用时要么过长,要么答非所问。
二、三种标题形态对照
| 形态 | 例子 | 切出的块 | 适用 |
|---|---|---|---|
| 名词型 | 课程体系 | 混合块:目录式罗列 | 目录页、索引 |
| 陈述型 | 我们的优势 | 混合块:宣传性描述 | 品牌介绍 |
| 问答型 | 课程分几个阶段 | 单一问答块 | 正文内容 |
我认为名词型与陈述型的共同问题是「不构成问题」,切块后无法与问句对接;问答型标题本身是问句,可直接被回答。
缺了会怎样:三种形态混用,同一篇里有的块能对接问句、有的不能,解析结果参差。
三、问答型标题的三条写法
- 一问一答:我让标题写问句,正文第一句给答案。
- 标题即问题:标题就是用户会问的那句话,不加修饰。
- 标题带限定词:地域、对象、时间写进标题,避免同一问句多义。
三条都做到,标题本身就成了可检索的问句索引。
缺了会怎样:只写「如何」,不写对象与范围,同一标题在不同页面被切出不同答案。
四、段落与标题的对应关系
我的原则:一个标题下只答一个问题,多出来的第二件事另起标题。
跨标题的内容要拆开:先判断它回答的是哪个问题,再放到对应标题下,放不进去就说明标题没覆盖到位。
缺了会怎样:一个标题下答两件事,切块时要么丢一半,要么带出无关内容。
五、改写器与解析器
import re
SUFFIX = {
"体系": "有哪些内容?", "优势": "优势体现在哪?", "流程": "流程是怎样的?",
"介绍": "是什么?", "概述": "是什么?", "服务": "提供哪些服务?"}
INTERROG = ("如何", "怎样", "什么", "哪些", "为什么", "怎么", "是否", "多少")
def rewrite(heading):
h = heading.strip().lstrip("#").strip()
if h.endswith(("?", "?")) or h.startswith(INTERROG):
return "已问答型", h
for suf, ask in SUFFIX.items():
if h.endswith(suf):
return "建议改写", h[: -len(suf)] + ask
return "建议改写", h + "是什么?"
def parse(md):
rows = []
for line in md.splitlines():
if line.startswith("## "):
title = line[3:].strip()
kind, sug = rewrite(title)
rows.append((title, kind, sug))
return rows
TITLES = ["课程体系", "我们的优势", "课程分几个阶段?", "服务流程"]
MD = "\n".join("## " + x for x in TITLES)
for i, (title, kind, sug) in enumerate(parse(MD), 1):
print(f"第{i}节 {title:<10} -> {kind:<6} {sug}")
print("节数:", len(parse(MD)), "| 需改写:", sum(1 for _, k, _ in parse(MD) if k != "已问答型"))
当次输出(四个假设标题):
第1节 课程体系 -> 建议改写 课程有哪些内容?
第2节 我们的优势 -> 建议改写 我们的优势体现在哪?
第3节 课程分几个阶段? -> 已问答型 课程分几个阶段?
第4节 服务流程 -> 建议改写 服务流程是怎样的?
节数: 4 | 需改写: 3
四节里三节要改写,第三节已是问句直接放过。它只做后缀匹配与问句判断,复杂标题仍要人工复核。
缺了会怎样:靠人工逐条改,几十节的内容改到一半就放弃。
六、边界:哪些不适合问答型
我认为流程说明、条款类、清单类不适合硬改问句:价值在完整与顺序,拆成一问一答会丢结构。
我分两套标题:正文问答型,附录与流程陈述型,并在正文里链接过去。
缺了会怎样:一刀切改成问句,流程被拆散,读者反而看不懂。
七、落地五步
- 我先拉出全部二级标题,按三种形态打标。
- 名词型与陈述型逐条改写,生成候选问句。
- 我逐条复核候选:问句是否对得上正文第一句。
- 流程与条款类保留陈述型,另设附录。
- 改完跑一遍解析器,统计剩余需改写数量。
缺了会怎样:只做前两步,改写结果没人复核;只做后三步,标题形态没打标,改写无从下手。
八、承诺与边界
我承诺改写可复算:后缀表、问句判断与解析器都写进代码,换一份内容重跑得同一份改写清单;效果只写可复测口径。
边界在语义:改写器只能按标题后缀猜问题,猜不动的要人工判断;问答型也不是越多越好,流程与条款保持陈述句。文中标题与样例都是假设示例;换一批内容,后缀表与判断规则要重定。
数据说明(PROV)
数据源(依据)=本文示例,标题与改写结果均为构造数据,不引用任何真实页面
查询日=无
样本=四个假设二级标题(三种形态各至少一个)
口径=二级标题按三种形态打标;问答型标题即问句;一块只答一问
局限=只演示标题改写与解析;正文语义是否对得上不在本文范围
本文含 AI 辅助生成内容,经人工核实。
來源:阿里雲開發者社區 AI · developer.aliyun.com