QA Survey CN
1.0.0
Los sistemas de preguntas y respuestas son una dirección de investigación en los campos de la inteligencia artificial y el procesamiento del lenguaje natural que ha atraído mucha atención y tiene amplias perspectivas de desarrollo. La razón principal de su aumento en la investigación es la necesidad de las personas de obtener información rápida y precisa. Durante la investigación y el desarrollo del sistema de preguntas y respuestas, el equipo de investigación del Centro de alta tecnología Beihang Big Data se centró en la investigación del conocimiento de preguntas y respuestas basadas en gráficos (KBQA), las preguntas y respuestas basadas en texto (TextQA), el sistema de preguntas y respuestas basadas en la tabla (TABLEQA) y el sistema de preguntas y respuestas basadas en la visión (VisualQA) e integraron sus teorías y tecnologías académicas y industriales existentes relacionadas con las ocho partes: las siguientes ocho partes: las siguientes ocho partes de la visión (VisualQA), e integraron sus teorías académicas y industriales existentes, incluyendo las siguientes ocho partes que se incluyen las siguientes ocho partes de la visión (VisualQA), e integraron las siguientes ocho partes: las siguientes ocho partes: las siguientes ocho partes: las siguientes ocho partes, las siguientes ocho partes, las siguientes ocho partes, las siguientes ocho partes).
Espero brindar asistencia a los académicos e investigadores relevantes en los campos de los sistemas de respuesta-respuesta y el procesamiento del lenguaje natural. Esta encuesta mantendrá actualizaciones regulares y continuas y seguirá continuamente las tecnologías de vanguardia. Si hay alguna deficiencias, críquelas y corríjalas. Todos los sistemas de preguntas y respuestas e investigadores de procesamiento del lenguaje natural pueden usarlos, y todos también pueden mejorar esta encuesta juntos.
Actualmente estamos preparando la versión en inglés de la encuesta. Esperamos que la mayoría de los investigadores puedan participar, para que la encuesta continúe mejorando y evolucionando. También proporcionaremos plataformas de promoción e incentivos materiales correspondientes para los participantes. Si está interesado en participar en los contribuyentes de código abierto, comuníquese con [email protected] en la dirección de correo electrónico. ¡El correo electrónico se responderá dentro de los 3 días hábiles! Espero que esta encuesta pueda contribuir aún más a la investigación y aplicación de control de calidad en los esfuerzos de todos.
Richong Zhang, Yue Wang, Yongyi Mao y Jinpeng Huai: Respuesta de preguntas en bases de conocimiento: un modelo asistido por verificación con capacitación iterativa. Transacciones ACM en sistemas de información. 37 (4): 40: 1-40: 26 (2019)
Yue Wang, Richong Zhang, Cheng Xu y Yongyi Mao: El enfoque Apva-Turbo para la respuesta de preguntas en la base de conocimiento. Actas de la 27ª Conferencia Internacional sobre Lingüística Computacional (Coling), páginas 1998–2009 (2018)
Por la presente, agradecemos el Centro de alta tecnología de Beihang, que respalda la divulgación de datos y la investigación y el desarrollo del sistema, y todos los miembros del equipo involucrados en este trabajo:
Nie Zhijie, Hu Zhiyuan, Zhang Cunwang, Huang Hailang, Li Hangyu, Zhang Shuhui, Zhang Yanzhao, Li Yitong, Liu Chumin, Tian Yuan, Wang Junkai, Zhang Minghui
Beijing Big Data Science e Brain Computer Intelligence Centro de innovación alta primaria
