基于筛选和开放网络资源的问答系统
本文提出了基于 RNN 和神经模型的信息检索和理解两个步骤的开放域问答系统来解决信息检索的问题,并在 Wiki Movies 数据集上达到了最先进的表现,通过减少 40% 的错误率来证明了每个组件的重要性。
Mar, 2017
本文对 2016 至 2021 年所发表关于问答系统的各项研究进行了回顾与总结,发现多轮问答系统已取代了单轮问答系统的先前主导地位,这表明了其在提高人工智能对话系统方面的重要性,同时也描绘了开展更多进一步和有利的研究的未来研究方向。
Jun, 2021
演示了将知识图谱和自由文本结合起来进行的问题回答(QA)网站搜索技术的潜力,并讨论了其优势和劣势。通过维基媒体基金会的网站案例研究,对与搜索引擎不同的全面且独有的索引方式进行了说明。
Jan, 2024
本文提出了一种基于 SPARQL 查询的多语言语义 Web 知识库问答(QA)方法,能够查询多个知识库,可轻松移植到其他知识库和语言。通过对五个不同的知识库和五种语言的评估,证明了该方法的影响。
Mar, 2018
本文综述了 OpenQA 领域的最新研究趋势,重点关注采用神经 MRC 技术的系统,介绍了现代 OpenQA 体系结构 Retriever-Reader 及采用该体系结构的各种系统,讨论了开发 OpenQA 系统面临的关键挑战,并对常用的基准进行了分析。
Jan, 2021
本文调查了在深度学习时代发布的有影响力的问答数据集,并介绍了文本问答和视觉问答两个最常见的问答任务,涵盖了最具代表性的数据集,并提出了当前的一些 QA 研究挑战。
Jun, 2022
BigText-QA 旨在开发一个综合 QA 系统,它能够回答基于一个知识图谱(KG)的更冗余形式的问题,该图谱将结构化和非结构化(即 “混合”)知识组织在统一的图形表示中,既有一个命名实体的规范集合,又有提供高度多样化的关系释义和丰富上下文信息的文本子句的开放集合。
Dec, 2022
本论文提出了一种新型问题表示方式:模板,应用于十亿级别的知识库和百万级别的问答数据。通过学习用于特定目的的模板,系统 KBQA 可以有效地回答基础性问题和复杂问题,并在 QALD 基准测试中胜出其他工作。
Mar, 2019