Alin Grot
ДОПОМОЖІТЬ перекласти з англійської на російську ЛАСКА !!!
An Efficient Passage Ranking Technique for Question Answering System Abstract: Question answering systems provide an intuitive way of requesting concise information from web or database (Information QA systems) or from community sites (Community QA systems). This concise answer is obtained by filtering and ranking the data available with respect to the question. Thus, one of the most important stages of any QA system is the passage ranking stage, which ranks the possible answers based on their relevance to the question. Much of the previous literature solved the passage ranking problem by considering the bag-of-words model that ignored the relationship among the words or structural model that ignored the semantic equivalence of words. In this paper, we propose a more comprehensive passage ranking technique that goes beyond these limitations and leverages lexical, semantic and syntactic features together to rank the possible answer snippets for a given factoid question. Apart from comparing the proposed technique against existing state-of-the-art techniques, we analyze the improvement achieved in the ranking with respect to different features, thus, giving insights on the role of each feature. The experimental results on TREC QA datasets show that the proposed technique (MRR 0.62) gives a significant 26.5% improvement in MRR over existing state-of-the- art (MRR 0.49), thus, highlighting the importance of the proposed technique.
Відповіді:
Іван Хохол
Ефективне Техніка Проходження рейтинг за Питання Автовідповідач Анотація: відповідаючи системи Питання забезпечення інтуїтивний спосіб сповіщення про спробу коротку інформацію з веб-або бази даних (інформаційні системи забезпечення якості) або від громадських місць (общинних систем QA). Цей короткий відповідь виходить шляхом фільтрації і ранжирування даних, наявних по відношенню до цього питання. Таким чином, одним з найважливіших етапів будь-якої системи забезпечення якості є перехід рейтинг етап, який займає можливі відповіді, засновані на їх ставлення до цього питання. Велика частина попередньої літератури вирішена проходження рейтингу проблему, вважаючи, сумка-на-слів модель, яка ігнорується зв'язок між словами або структурної моделі, які ігнорують смислове еквівалентність слів. У цій статті ми пропонуємо більш повну техніку проходження ранжирування, що виходить за рамки цих обмежень і використовує лексичні, семантичні та синтаксичні особливості разом, щоб ранжувати можливі фрагменти відповідей для даного Factoid питання. Крім порівняння запропонованого методу від існуючих державою в найсучасніших методів, ми аналізуємо поліпшення, досягнутий в рейтингу по відношенню до різних функцій, таким чином, даючи уявлення про роль кожного елемента. Експериментальні результати за розділами даних TREC QA показують, що запропонований метод (МРТ 0.62) дає значне поліпшення 26,5% в МРТ щодо існуючого державного ультрасучасна (МРТ 0,49), таким чином, підкреслюючи важливість запропонованої методики.
СВІТЛАНА Наполова
Hi! Let's be friends!
|