1.1. 什么是question answering(QA)系统？
系统自动回答用户提出的问题（自然语言的形式）
1.2. QA涉及的领域
信息检索（Information retrieval）, 人工智能（artificial intelligence）, 软件工程（software engineering）, 自然语言处理（natural language processing）, 知识库（kownledge base）, Linguistic.
+
语义（semantic web）, 关联的数据(Linked data)
1.2.1 信息检索
信息检索是以数据驱动（query driven）来获取数据的一种方法
1.2.1.1 系统返回一系列的文档
1.2.1.2 用户浏览检索到的文档并且找出自己想要的信息
1.2.2 QA
QA是一种以问题驱动（answer driven）来获取信息的方法
1.2.2.1 用户用自然语言询问问题（基于短语的，整个句子，关键字）
1.2.2.2 系统返回一系列短回答
1.2.2.3 包含更多复杂的功能
1.2.3 检索问题慢慢转变为QA问题
但引擎缺乏将复杂的问题转化为答案的能力
1.3. 自然语言查询可以分为不同的类别
1.3.1 factoid查询 : WH 问题如（when, who, where）
1.3.2 yes/no查询：如（Is berlin capital of Germany?）
1.3.3 定义查询：如（what is leukemia?）
1.3.4 原因后果查询： 如（How, Why, What. What are the consequences of the Iraq war? ）
1.3.5 步骤查询：（which are the steps for getting a Master degree）
1.3.6 比较查询： （What are the differences between the model A and B?）
1.3.7 查询并给定指定词：（list of hard disks similar to hard disk X.）
1.3.8 查询意见：（What is the opinion of the majority of Americans about the Iraq war?）
1.4. 语料类型
1.4.1 结构化的数据（关系数据库，RDF知识库）
1.4.2 半结构化数据（XML 数据库）
1.4.3 文本（text）
1.4.4 多模态数据（image, voice, video）
1.5 QA系统的种类
1.5.1 开放领域（领域独立的QA系统，其可以回答任意语料的任意查询）
1.5.1.1 优点 覆盖了广泛范围的查询
1.5.1.2 缺点 准确率低
1.5.2 特定领域
1.5.2.1 优点 高准确率
1.5.2.2 缺点 查询范围受到限制
1.5.2.3 缺点 需要领域专家
1.6 研究QA系统有需要吗？
2. Preliminary concepts
2.1 语义
2.2 type of answer
2.3 entity recognition
原文来自于： https://www.slideshare.net/shekarpour/tutorial-on-question-answering-systems?from_action=save
没有评论:
发表评论