QA Survey CN

QA-Survey

Sistem tanya jawab adalah arah penelitian di bidang kecerdasan buatan dan pemrosesan bahasa alami yang telah menarik banyak perhatian dan memiliki prospek pembangunan yang luas. Alasan utama peningkatan penelitiannya adalah kebutuhan orang untuk mendapatkan informasi dengan cepat dan akurat. During the research and development of the Q&A system, the research team of Beihang Big Data High-tech Center focused on the research of the Knowledge Graph-based Q&A (KBQA), the Text-based Q&A (TextQA), the Table-based Q&A system (TableQA) and the Vision-based Q&A system (VisualQA), and integrated its existing academic and industrial related theories and technologies, currently including the following eight parts:

• Jawaban Pertanyaan Komunitas (CQA) -Cingkar Akademik
• Pertanyaan Pertanyaan Komunitas (CQA) -Intik
• Pemahaman Membaca Mesin (MRC) -Academic
• Pemahaman Bacaan Mesin (MRC) -Inten
• Jawaban Pertanyaan Basis Pengetahuan (KBQA) -Academic Circle
• Penjawab Pertanyaan Basis Pengetahuan (KBQA) -Intik
• Table Pertanyaan Penjawab (TQA) -Academic Circle
• Jawaban Pertanyaan Visual (VQA) -Circle -Academic Circle

Berharap untuk memberikan bantuan kepada para sarjana dan peneliti yang relevan di bidang sistem tanya jawab dan pemrosesan bahasa alami. Survei ini akan mempertahankan pembaruan reguler dan terus menerus dan terus melacak teknologi mutakhir. Jika ada kekurangan, silakan mengkritik dan memperbaikinya. Semua sistem tanya jawab dan peneliti pemrosesan bahasa alami dipersilakan untuk menggunakannya, dan semua orang juga dipersilakan untuk meningkatkan survei ini bersama -sama.

Berita!

• Evaluasi CCL2022: Evaluasi Ekstraksi Pengetahuan untuk T&J yang berorientasi domain. Penilaian ini diselenggarakan bersama oleh tim kami dan perjalanan penerbangan Zongheng. Semua orang dipersilakan untuk memperhatikan dan berpartisipasi!
• Model pemahaman bacaan Cina yang terlatih untuk aplikasi tanya jawab dan ekstraksi. Kami telah menyortir dan memperoleh data di bidang Cina, dan berdasarkan mengoptimalkan model yang relevan, kami telah mencapai hasil utama dalam pemahaman membaca di bidang Cina. (20220630)
• Platform Interaksi Cross-Domain Cross Interaksi Cerdas Tertanam Algoritma Pertanyaan dan Jawaban Peta, Mendukung konfigurasi cepat grafik pengetahuan di berbagai bidang untuk meluncurkan platform aplikasi T&J (20220625)
• Kemajuan penelitian terbaru dari T&J visual di ACL2021, ACL2022, EMNLP2021, NAACL2021, NAACL2022, CVPR2021, dan ICCV2021 akan segera diperbarui. (Diharapkan akan diperbarui pada pertengahan Juli 2022)
• Pekerjaan terkait grafik pengetahuan T&J di ACL2022, NAACL2022, AAAI2022 dan SIGIR2022 telah diperbarui. (20220618)
• Menambahkan penalaran logis penalaran logis Membaca Dataset dan model terkait (20220612)
• Pekerjaan terkait pemahaman membaca di ACL2022, AAAI2022 dan SIGIR2022 telah diperbarui. (20220612)

Kontribusi Sumber Terbuka

Kami sedang mempersiapkan versi Survei Bahasa Inggris. Kami berharap bahwa mayoritas peneliti dapat berpartisipasi, sehingga survei akan terus meningkat dan berkembang. Kami juga akan menyediakan platform promosi dan insentif material yang sesuai untuk peserta. Jika Anda tertarik untuk berpartisipasi dalam kontributor open source, silakan hubungi [email protected] di alamat email. Email akan dibalas dalam waktu 3 hari kerja! Saya berharap survei ini selanjutnya dapat berkontribusi pada penelitian dan aplikasi QA dalam upaya semua orang.

Hasil Terkait

Makalah Akademik

• Richong Zhang, Yue Wang, Yongyi Mao dan Jinpeng Huai: Pertanyaan menjawab di basis pengetahuan: model verifikasi yang dibantu dengan pelatihan berulang. Transaksi ACM pada sistem informasi. 37 (4): 40: 1-40: 26 (2019)

• Yue Wang, Richong Zhang, Cheng Xu dan Yongyi Mao: Pendekatan apva-turbo untuk pertanyaan menjawab di basis pengetahuan. Prosiding Konferensi Internasional ke -27 tentang Linguistik Komputasi (Coling), Halaman 1998–2009 (2018)

buku

• Ini akan secara resmi dirilis pada paruh kedua tahun 2022!

paten

• CN107748757A | Metode tanya jawab berdasarkan grafik pengetahuan
• CN111858887A | Sistem tanya jawab komunitas untuk layanan bandara
• CN111858888A | Metode dialog multi-putaran untuk adegan bandara bernilai
• Metode konstruksi grafik pengetahuan berdasarkan data multi-sumber
• Desain dan implementasi sistem T&J berdasarkan grafik pengetahuan
• Penelitian tentang metode tanya jawab berdasarkan basis pengetahuan

Produk Aplikasi

• Tanya Jawab Cerdas tentang Pengetahuan dan Tindakan Grafik Pengetahuan
• Pemahaman Bacaan Teks Domain Umum
• Platform interaksi cerdas pengetahuan lintas domain
• Ensiklopedia Pengetahuan Penerbangan Sipil Tanya Jawab
• Praktek Aplikasi Tanya Jawab Lapangan Vertikal

Ucapan Terima Kasih

Kami dengan ini berterima kasih kepada Beihang High-Tech Center, yang mendukung pengungkapan data dan penelitian dan pengembangan sistem, dan semua anggota tim yang terlibat dalam pekerjaan ini:

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

tentang kami

Beijing Big Data Science and Brain Computer Intelligence Pusat Inovasi Primer Tinggi