Обогащение контекста вопросов знаниями из ConceptNet для улучшения точности ответов

?

Обогащение контекста вопросов знаниями из ConceptNet для улучшения точности ответов

Современные модели для задачи Question Answering могут показывать точность ответов на фактические вопросы о данном фрагменте текста на английском языке близкую к человеческой. Между тем, такие модели не могут достичь такого же качества на наборах данных, которые требуют дополнительной информации, не представленной в контексте вопроса. В данной статье описывается экспериментальная оценка простого метода обогащения контекста вопроса на основе сбора связей ConceptNet и предлагается дальнейшее направление работы по созданию набора данных для русского языка.

Язык: русский

Текст на другом сайте

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Интеллектуальный анализ данных в интерактивных информационных системах для междисциплинарных приложений (2020)

В книге

Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной международной конференции «Диалог» (Москва, 17 июня — 20 июня 2020 г.). Доклады студенческой сессии.

[б.и.], 2020.

RuCLEVR: A Russian Diagnostic Dataset for Compositional Language and Elementary Visual Reasoning

Biryukova K., Chelnokova D., Erkenova J. и др., Communications in Computer and Information Science 2024 Vol. 2364 CCIS P. 109 – 121

Добавлено: 25 февраля 2026 г.

CausalQA: A Benchmark for Causal Question Answering

Bondarenko A., Wolska M., Heindorf S. и др., , in: Proceedings of the 29th International Conference on Computational Linguistics.: International Committee on Computational Linguistics, 2023. P. 3296–3308.

Добавлено: 14 августа 2023 г.

Relying on Discourse Trees to Extract Medical Ontologies from Text

Galitsky B., Ильвовский Д. А., Гончарова Е. Ф., , in: Artificial Intelligence. RCAI 2021. Lecture Notes in Computer ScienceVol. 12948.: Springer, 2021. P. 215–231.

Добавлено: 28 октября 2021 г.

DaNetQA: a yes/no Question Answering Dataset for the Russian Language

Glushkova T., Мачнев А. Е., Феногенова А. С. и др., , in: Analysis of Images, Social Networks and Texts: 9th International Conference, AIST 2020, Skolkovo, Moscow, Russia, October 15–16, 2020, Revised Selected PapersVol. 12602.: Springer, 2021. P. 57–68.

Добавлено: 22 ноября 2020 г.

Russian Q&A Method Study: From Naive Bayes to Convolutional Neural Networks

Николаев К. И., Малафеев А. Ю., , in: Analysis of Images, Social Networks and Texts. 7th International Conference AIST 2018.: Springer, 2018. Ch. 12 P. 121–126.

Добавлено: 15 февраля 2019 г.

Russian-Language Question Classification: a New Typology and First Results

Николаев К. И., Malafeev A., , in: Analysis of Images, Social Networks and Texts. 6th International Conference, 2017, Revised Selected PapersVol. 10716.: Cham: Springer, 2018. Ch. 7 P. 72–81.

This paper deals with automatic classification of questions in the Russian language, a natural early step in building a question answering system. We developed a typology of Russian questions using interrogative particles, pronouns and word order as the main features. A corpus of 2008 questions was manually compiled and annotated according to our typology. We ...

Добавлено: 1 декабря 2017 г.

Parse thicket representations of text paragraphs

Galitsky B., Ильвовский Д. А., Кузнецов С. О. и др., , in: Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной Международной конференции «Диалог» (Бекасово, 29 мая - 2 июня 2013 г.). В 2-х т.Т. 1: Основная программа конференции. Вып. 12 (19).: М.: РГГУ, 2013. P. 239–255.

Мы разрабатываем технику представления структуры предложений и абзацев текста в виде графов. Мы определяем чащу синтаксиче ского разбора как объединение синтаксических деревьев разбора предложений. Чаща включает дуги между вершинами синтаксических деревьев для таких отношений, как кореферентность и таксономия. Эти дуги также получаются из других источников, в том числе, тео рии Риторических Структур и Речевых Актов. В работе предлагается алгоритм вычисления чащ разбора. ...

Добавлено: 1 ноября 2013 г.