Exemple de reponse pour question de corpus


Lorsqu`une question écrite en langage naturel est entrée dans le système, le système effectue l`extraction des mots clés dans le module d`analyse des questions. Les systèmes experts reposent largement sur des bases de connaissances structurées et construites par des experts, tandis que de nombreux systèmes d`AQ modernes reposent sur le traitement statistique d`un corpus de textes en langage naturel volumineux et non structurés. Nous pensons que la méthode a bien fonctionné parce que le mot anglais “parce que” était moins ambigu que les mots japonais comme “” (parce que, de) et “” (parce que, pour). Il peut être utilisé pour des expériences de réponse de questions complexes. Au 2001, les systèmes d`AQ comprenaient généralement un module de classifieur de questions qui détermine le type de question et le type de réponse. WQ et wa représentent des variables aléatoires binaires qui indiquent si un mot WQ apparaît dans chaque question et si un mot wa apparaît dans sa réponse, respectivement. Dans la recherche d`informations, un système de répondeur de questions à domaine ouvert vise à retourner une réponse en réponse à la question de l`utilisateur. L`extension de requête est une approche pour étendre les mots de requête en ajoutant de nouveaux mots qui ne sont pas inclus dans chaque question pour améliorer les qualités des documents pertinents à être récupérées. Les données ci-dessus peuvent être lues avec Python`eval`, mais n`est pas strict JSON. Abe et coll. Nous pouvons avoir l`équation (10) en supposant que c (ai | a) est 1/l comme Brown et al. Les systèmes développés dans les projets UC et LILOG n`ont jamais dépassé le stade des démonstrations simples, mais ils ont contribué au développement de théories sur la linguistique et le raisonnement computationnels. Les deux systèmes QA ont été très efficaces dans leurs domaines choisis.

Les documents Web obtenus dynamiquement sont de petite taille. Au contraire, la méthode proposée où le système choisit les mots qui maximisent l`information mutuelle entre deux mots d`une question et un mot de sa réponse choisit ces mots moins fréquemment que la méthode originale. Ils considéraient les mots qui apparaissaient fréquemment dans les documents récupérés pour chaque interrogation de question comme les nouveaux mots pour l`expansion de la requête. D`autre part, le curry, le mot qui n`est pas pertinent à la question, a été choisi par la méthode originale. Nous avons proposé de modifier la mesure de l`information mutuelle pour l`extension de la requête. Pour l`expansion de la requête, Saggion et GAIZAUSKAS (2004) ont proposé d`obtenir des mots pour l`extension de la requête en utilisant la rétroaction de pertinence du Web. Ce DataSet contient des données de question et de réponse d`Amazon, totalisant environ 1. Ainsi, nous n`avons pas étiqueté les réponses.

Comments are closed.