QA Survey CN

QA-Survey

أنظمة الأسئلة والإجابة هي اتجاه بحث في مجالات الذكاء الاصطناعي ومعالجة اللغة الطبيعية التي جذبت الكثير من الاهتمام ولديها آفاق تطوير واسعة. السبب الرئيسي لظهوره في البحث هو حاجة الناس إلى الحصول على المعلومات بسرعة وبدقة. أثناء البحث وتطوير نظام الأسئلة والأجوبة ، ركز فريق البحث في مركز Beihang Big Data High-Tech على البحث عن أسئلة وأجوبة قائمة على المعرفة (KBQA) ، و Q&A المستندة إلى النص (TextQA) ، ونظام أسئلة وأجوبة قائمة على الطاولة (TableQA) ونظام أسئلة وأجوبة قائمة على الرؤية (VisualQA) ، ودمجت قواعدها الأكاديمية الحالية والتقنية في مجال التكنولوجيا ، بما في ذلك الثامنة الثامنة ،

• إجابة أسئلة المجتمع (CQA)-دائرة الأكاديمية
• إجابة أسئلة المجتمع (CQA)-الصناعة
• فهم قراءة الآلة (MRC)-أكاديمي
• فهم قراءة الآلة (MRC)-الصناعة
• أسئلة قاعدة المعرفة الإجابة (KBQA)-دائرة أكاديمية
• أسئلة قاعدة المعرفة الإجابة (KBQA)-الصناعة
• إجابة سؤال الجدول (TQA)-دائرة الأكاديمية
• إجابة السؤال المرئي (VQA)-دائرة أكاديمية

نأمل تقديم المساعدة للباحثين والباحثين المعنيين في مجالات أنظمة الإجابة على الأسئلة ومعالجة اللغة الطبيعية. سيحافظ هذا الاستطلاع على تحديثات منتظمة ومستمرة وتتبع التقنيات المتطورة باستمرار. إذا كانت هناك أي عيوب ، فيرجى انتقادها وتصحيحها. نرحب جميع أنظمة الأسئلة والأجوبة وباحثو معالجة اللغة الطبيعية لاستخدامها ، والجميع مرحب بهم أيضًا لتحسين هذا الاستطلاع معًا.

أخبار!

• CCL2022 التقييم: تقييم استخراج المعرفة للأسئلة والأجوبة الموجهة للمجال. تم تنظيم التقييم بشكل مشترك من قبل فريقنا وطيران السفر Zongheng. الجميع مدعوون إلى الانتباه والمشاركة!
• نموذج فهم القراءة الصينية المدربين مسبقًا لتطبيقات الأسئلة والأجوبة والتطبيقات الاستخراج. لقد قمنا بفرز البيانات وحصلنا عليها في المجال الصيني ، واستنادًا إلى تحسين النماذج ذات الصلة ، لقد حققنا نتائج قيادة في فهم القراءة في المجال الصيني. (20220630)
• المعرفة عبر المجال المعرفة منصة التفاعل الذكي الخريطة المدمجة خوارزمية وجواب ، تدعم التكوين السريع للرسوم البيانية المعرفة في مجالات مختلفة لبدء منصة تطبيق الأسئلة والأجوبة (20220625)
• سيتم تحديث التقدم البحثي الأخير في سؤال وجواب بصري في ACL2021 و ACL2022 و EMNLP2021 و NAACL2021 و NAACL2022 و CVPR2021 و ICCV2021 قريبًا. (من المتوقع أن يتم تحديثه في منتصف يوليو 2022)
• تم تحديث العمل ذي الصلة من الرسم البياني للمعرفة في Q&A في ACL2022 و NAACL2022 و AAAI2022 و SIGIR2022. (20220618)
• إضافة المنطق المنطقي المنطقي المنطقي القراءة لفهم مجموعات البيانات والنماذج ذات الصلة (20220612)
• تم تحديث العمل المتعلق بفهم القراءة في ACL2022 و AAAI2022 و SIGIR2022. (20220612)

مساهمة مفتوحة المصدر

نحن نستعد حاليًا النسخة الإنجليزية من الاستطلاع. نأمل أن يتمكن غالبية الباحثين من المشاركة ، بحيث يستمر المسح في التحسن والتطور. سنوفر أيضًا منصات ترويجية وحوافز المواد المقابلة للمشاركين. إذا كنت مهتمًا بالمشاركة في المساهمين مفتوح المصدر ، فيرجى الاتصال بـ [email protected] على عنوان البريد الإلكتروني. سيتم الرد على البريد الإلكتروني في غضون 3 أيام عمل! آمل أن يتمكن هذا الاستطلاع من المساهمة في أبحاث ضمان الجودة والتطبيق في جهود الجميع.

النتائج ذات الصلة

الأوراق الأكاديمية

• Richong Zhang ، Yue Wang ، Yongyi Mao و Jinpeng Huai: الإجابة على أسئلة في قواعد المعرفة: نموذج بمساعدة التحقق من التدريب التكراري. معاملات ACM على أنظمة المعلومات. 37 (4): 40: 1-40: 26 (2019)

• Yue Wang و Richong Zhang و Cheng Xu و Yongyi Mao: نهج APVA-Turbo للرد على الأسئلة في قاعدة المعرفة. وقائع المؤتمر الدولي السابع والعشرين حول اللغويات الحسابية (Coling) ، الصفحات 1998-2009 (2018)

كتب

• سيتم إصداره رسميًا في النصف الثاني من عام 2022!

براءة اختراع

• CN107748757A | طريقة سؤال وجواب بناءً على رسم بياني للمعرفة
• CN111858887A | نظام سؤال ومجتمع لخدمة المطار
• CN111858888A | طريقة حوار متعددة الدورات لمشهد المطار القيمة
• طريقة بناء الرسم البياني للمعرفة تستند إلى بيانات متعددة المصادر
• تصميم وتنفيذ نظام الأسئلة والأجوبة على أساس الرسم البياني المعرفة
• البحث عن أساليب الأسئلة والأجوبة على أساس قاعدة المعرفة

منتجات التطبيق

• سؤال وجواب ذكي على الرسم البياني للمعرفة والعمل المعرفة
• فهم نص المجال العام فهم
• منصة التفاعل الذكي للمعرفة عبر المجال
• موسوعة الطيران المدني المعرفة أسئلة وأجوبة
• ممارسات التطبيق الرأسية في مجال سؤال وجواب

شكر وتقدير

نشكر بموجب هذا مركز Beihang High-Tech ، الذي يدعم الكشف عن البيانات وتطوير النظام وتطويره ، وجميع أعضاء الفريق المشاركين في هذا العمل:

ني تشويجي ، هو Zhiyuan ، تشانغ كونوانج ، هوانغ هايلانغ ، لي هانغيو ، تشانغ شوهوي ، تشانغ يانزاو ، لي ييتونغ ، ليو تشومين ، تيان يوان ، وانغ جونكاي ، تشانغ مينغهوي

معلومات عنا

Beijing Big Data Science and Brain Computer Intelligence Center عالية الابتكار