判断一个句子是否是问句，是一个二分类问题。
1. 构造标注数据集。 首要问题是构造分类所需要的标注数据。 标注数据的获得非常简单，拿到一批标点使用比较规范的文档就行，比如学生作文、官方新闻稿。把所有文章分句，拿到每个句子的最后一个标点符号，如果是问号，就是正样本，否则是负样本。
2. 分词，去除停用词。 对每个样本分词，使用词作为特征，为了提升效果，还可以使用词级别的ngram特征。你可能需要去掉“的”“你”“这”等停用词，但是注意一定不要把语气词（“吧”、“吗”）也去掉。
3. 特征选择。 使用传统的特征选择方法（DF、信息增益、卡方统计等），筛选出跟类别最相关的N个词。
4. 特征权重计算。 使用TFIDF作为特征权重，将每句话表示为一个N维向量。
5. 选择分类器。 选择你想使用的分类器，常见的LR、SVM、决策树都行。
6. 将数据划分训练集，测试集，在训练集上训练模型，在测试集上评估模型。 不断调节模型参数，使得模型在测试集上F1最高。
7. 对于一个新的输入句子，使用你训练的模型预测。
但是上面模型存在一些缺点：
1. 词袋法丢失语序信息。比如“吧”出现在句子尾部跟首部，可能结果完全不一样。
2. 复杂的句子需要结合更多的上下文来判断。这个楼里同学提到过。 为了克服这些缺点，可以尝试用深度学习，卷积网络捕捉语序，也可以把前后几个句子向量和当前句子向量拼接起来。 实际上，配几个规则更为直接有效。 比如，句子最后一个字是“吗”基本上是就是问句了，最后一个字是“呢”就不是疑问句。 常见的问句分为：疑问句、反问句、设问句等。每种问句都有自己常见的句式。比如“是…，还是…”，“能…么”。
问题是一个简单问题，二分类。
场景需要具体分析，是段落中的一句话呢，是单句分析呢，标点是否存在么。每一个场景的难度复杂程度和产生歧义的概率并不相同。有一些情况人都很难判断，更不要说机器人来分类了。
怎么这么黑?
怎么这么黑。
上面两句话如果不带标点的话，只凭单句字面基本无法判断。
目前在序列建模领域最常使用的方法就是LSTM以及它的一系列变体了，输入变量使用常用的word2vec进行词向量训练，对于文本长度较长的场景，使用biLSTM+CNN+pooling layer的方式通常会取得较好效果，对于文本长度较短的场景，不妨使用biLSTM进行训练。
需要注意的是对于本文场景，对于标点的依赖程度很大，需要将标点也纳入到词向量训练之中，并将标点和其他词同等看待。