QA Survey CN

QA-Survey

Системы вопросов и ответов - это направление исследования в области искусственного интеллекта и обработки естественного языка, которые привлекли большое внимание и имеют широкие перспективы развития. Основной причиной его роста исследований является необходимость быстро и точно получить информацию. 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:

• Ответ на вопрос сообщества (CQA)-Академический круг
• Ответ на вопрос сообщества (CQA) -индустриальный
• Понимание прочитанного машины (MRC) -адемемия
• Понимание машинного прочитанного (MRC) -индустриальное
• Ответ на вопрос о базе знаний (KBQA)-Академический круг
• Ответ на вопрос знаний (KBQA) -индустриальная
• Таблица ответа на вопрос (TQA) -академический круг
• Визуальный ответ на вопрос (VQA) -акейдемический круг

Надеюсь оказать помощь соответствующим ученым и исследователям в области систем вопросов-ответов и обработки естественного языка. Этот опрос будет поддерживать регулярные и непрерывные обновления и постоянно отслеживать передовые технологии. Если есть какие -либо недостатки, пожалуйста, критикуйте и исправьте их. Все системы Q & A Систем и естественного языка, исследователи обработки, могут их использовать, и все также могут улучшить этот опрос вместе.

Новости!

• CCL2022 Оценка: Оценка извлечения знаний для ориентированных на область Q & A. Оценка была совместно организована нашей командой и авиационным путешествием Zongheng. Все могут обратить внимание и участвовать!
• Предварительно обученная китайская модель понимания прочитанного для вопросов и ответов и извлечения. Мы разобрались и получили данные в области Китая, и, основываясь на оптимизации соответствующих моделей, мы достигли ведущих результатов в понимании прочитанного в китайской области. (20220630)
• Алгоритм интеллектуального интеллектуального интеллектуального взаимодействия платформы интеллектуального взаимодействия.
• Недавние исследования в области визуальных вопросов и ответов в ACL2021, ACL2022, EMNLP2021, NAACL2021, NAACL2022, CVPR2021 и ICCV2021 будут обновлены в ближайшее время. (Ожидается, что он будет обновлен в середине 2022 года)
• Связанная работа по графику знаний Q & A в ACL2022, NAACL2022, AAAI2022 и SIGIR2022 была обновлена. (20220618)
• Добавление логических рассуждений логических рассуждений, связанных с пониманием прочтения, связанных с пониманием чтения, (20220612)
• Работа, связанная с пониманием прочитанного в ACL2022, AAAI2022 и SIGIR2022, была обновлена. (20220612)

Вклад с открытым исходным кодом

В настоящее время мы готовим английскую версию опроса. Мы надеемся, что большинство исследователей смогут участвовать, так что опрос будет продолжать улучшаться и развиваться. Мы также предоставим платформы для продвижения и соответствующие материальные стимулы для участников. Если вы заинтересованы в участии в участниках с открытым исходным кодом, пожалуйста, свяжитесь с [email protected] по адресу электронной почты. Электронное письмо будет отвечать в течение 3 рабочих дней! Я надеюсь, что этот опрос может в дальнейшем внести свой вклад в исследования и применение QA в усилиях каждого.

Связанные результаты

Академические документы

• Ричонг Чжан, Юэ Ван, Юнги Мао и Джинпенг Хуай: Ответ на вопрос в базах знаний: модель с итеративной подготовкой с итеративным обучением. Транзакции ACM в информационных системах. 37 (4): 40: 1-40: 26 (2019)

• Юэ Ван, Ричонг Чжан, Ченг Сюй и Юнги Мао: подход APVA-Turbo для вопросов ответа на базу знаний. Материалы 27 -й Международной конференции по вычислительной лингвистике (Coling), стр. 1998–2009 (2018)

книги

• Он будет официально выпущен во второй половине 2022 года!

патент

• CN107748757A | Метод вопросов и ответов, основанный на графике знаний
• CN111858887A | Система вопросов и ответов сообщества для обслуживания аэропорта
• CN111858888A | Метод многоуровневого диалога для сцены аэропорта ценностей
• Метод создания графа знаний на основе данных с несколькими источниками
• Проектирование и реализация системы Q & A, основанная на графике знаний
• Исследование методов вопросов и ответов, основанных на базе знаний

Прикладные продукты

• Интеллектуальные вопросы и ответы на график знаний и действий
• Понимание прочтения текста общего домена
• Платформа интеллектуального взаимодействия в междомене
• Знания и ответы энциклопедии гражданской авиации Q & A
• Практика применения и ответов на вертикальное поле

Благодарности

Настоящим мы благодарим Бейханский высокотехнологичный центр, который поддерживает раскрытие данных и исследования и разработки системы, а также всех членов команды, участвующих в этой работе:

Ни Чжиджи, Ху Чжийюан, Чжан Кунванг, Хуан Гайланг, Ли Ханью, Чжан Шухуй, Чжан Янжао, Ли Йитонг, Лю Чумин, Тянь Юань, Ван Джанкай, Чжан Мингхуй

о нас

Пекинская наука о больших данных и мозговой компьютерной интеллект Высокий инновационный центр