QA Survey CN

QA-enquête

Les systèmes de questions et réponses sont une orientation de recherche dans les domaines de l'intelligence artificielle et du traitement du langage naturel qui a attiré beaucoup d'attention et a de larges perspectives de développement. La principale raison de son augmentation de la recherche est le besoin des gens d'obtenir rapidement et avec précision des informations. Au cours de la recherche et du développement du système de questions / réponses, l'équipe de recherche de Beihang Big Data High-Tech Center s'est concentrée sur la recherche sur le système de questions et réponses basé sur des graphiques de connaissances (KBQA), le système de questions / réponses basé sur le texte (TextQA), le système de questions / réponses basé sur la table (TableQA) et les technologies liées à la vision, y compris les huit parties suivantes.

• Question communautaire Réponse (CQA) -Cer cercle académique
• Question communautaire Répondre (CQA) -industrial
• Compréhension de la lecture machine (MRC) -ACADEMIM
• Compréhension de la lecture machine (MRC) -industrial
• Question de la base de connaissances Réponse (KBQA) -Cer cercle académique
• Question de base de connaissances Réponse (KBQA) -industrial
• Question de table Réponse (TQA) -Cer cercle académique
• Question visuelle Réponse (VQA) -Cer cercle académique

J'espère fournir une assistance aux chercheurs et aux chercheurs concernés dans les domaines des systèmes de questions-réponses et du traitement du langage naturel. Cette enquête maintiendra des mises à jour régulières et continues et suivra en continu les technologies de pointe. S'il y a des lacunes, veuillez les critiquer et les corriger. Tous les systèmes de questions-réponses et les chercheurs de traitement du langage naturel sont invités à les utiliser, et tout le monde est également le bienvenu pour améliorer cette enquête ensemble.

Nouvelles!

• Évaluation CCL2022: Évaluation de l'extraction des connaissances pour les questions et réponses axées sur le domaine. L'évaluation a été organisée conjointement par notre équipe et aviation Travel Zongheng. Tout le monde est le bienvenu pour faire attention et participer!
• Modèle de compréhension de la lecture chinoise pré-formée pour les applications de questions-réponses et d'extraction. Nous avons trié et obtenu des données dans le domaine chinois, et sur la base de l'optimisation des modèles pertinents, nous avons obtenu des résultats principaux dans la compréhension de la lecture dans le domaine chinois. (20220630)
• Plate-forme d'interaction intelligente des connaissances inter-domaines Algorithme de question de carte intégrée, prenant en charge la configuration rapide des graphiques de connaissances dans différents domaines pour lancer la plate-forme d'application de questions / réponses (20220625)
• Les récentes progrès de la recherche des questions / réponses visuelles dans ACL2021, ACL2022, EMNLP2021, NAACL2021, NAACL2022, CVPR2021 et ICCV2021 seront bientôt mis à jour. (Il devrait être mis à jour à la mi-juillet 2022)
• Le travail connexe de Knowledge Graph Q&R dans ACL2022, NAACL2022, AAAI2022 et SIGIR2022 a été mis à jour. (20220618)
• Ajout de raisonnement logique Raisonnement logique Encarnage LICE LECTURE DES DONNÉES ET MODÈLES CONNEXTES (20220612)
• Les travaux liés à la compréhension en lecture dans ACL2022, AAAI2022 et SIGIR2022 ont été mis à jour. (20220612)

Contribution open source

Nous préparons actuellement la version anglaise de l'enquête. Nous espérons que la majorité des chercheurs pourront participer, afin que l'enquête continue de s'améliorer et d'évoluer. Nous fournirons également des plateformes de promotion et des incitations importantes correspondantes aux participants. Si vous êtes intéressé à participer à des contributeurs open source, veuillez contacter [email protected] à l'adresse e-mail. L'e-mail sera répondu dans les 3 jours ouvrables! J'espère que cette enquête pourra contribuer davantage à la recherche et à l'application des QA dans les efforts de chacun.

Résultats connexes

Papiers universitaires

• Richong Zhang, Yue Wang, Yongyi Mao et Jinpeng Huai: Question Réponse dans les bases de connaissances: un modèle assisté de vérification avec une formation itérative. Transactions ACM sur les systèmes d'information. 37 (4): 40: 1-40: 26 (2019)

• Yue Wang, Richong Zhang, Cheng Xu et Yongyi Mao: L'approche Apva-Turbo pour répondre aux questions dans la base de connaissances. Actes de la 27e Conférence internationale sur la linguistique informatique (Coling), Pages 1998-2009 (2018)

livres

• Il sera officiellement libéré dans la seconde moitié de 2022!

brevet

• CN107748757A | Une méthode de questions et réponses basée sur le graphique de connaissances
• CN111858887A | Un système de questions et réponses communautaires pour le service aéroportuaire
• CN111858888A | Méthode de dialogue multi-ronde pour la scène de la valeur de l'aéroport
• Méthode de construction du graphique de connaissances basée sur des données multi-source
• Conception et mise en œuvre du système de questions et réponses basée sur le graphique de connaissances
• Recherche sur les méthodes de questions / réponses basées sur la base de connaissances

Produits d'application

• Q&A intelligent sur le graphique de connaissances des connaissances et de l'action
• Compréhension de la lecture du texte du domaine général
• Plateforme d'interaction intelligente des connaissances inter-domaines
• ENCYCLOPÉDIE DE L'AVIATION CIVIRE
• Pratique d'application de questions et réponses sur champ vertical

Remerciements

Nous remercions la présente Beihang High-Tech Center, qui soutient la divulgation des données et la recherche et le développement du système, et tous les membres de l'équipe impliqués dans ce travail:

Nie Zhijie, Hu Zhiyuan, Zhang Cunwang, Huang Hailang, Li Hangyu, Zhang Shuhui, Zhang Yanzhao, Li Yitong, Liu Chumin, Tian Yuan, Wang Junkai, Zhang Minghui

à propos de nous

Pékin Big Data Science et Brain Computer Intelligence High-Primary Innovation Center