QA Survey CN

การสำรวจ QA

ระบบคำถามและคำตอบคือทิศทางการวิจัยในด้านปัญญาประดิษฐ์และการประมวลผลภาษาธรรมชาติที่ดึงดูดความสนใจเป็นอย่างมากและมีโอกาสในการพัฒนาในวงกว้าง เหตุผลหลักที่ทำให้การวิจัยเพิ่มขึ้นคือความต้องการของผู้คนในการรับข้อมูลอย่างรวดเร็วและถูกต้อง ในระหว่างการวิจัยและพัฒนาระบบตอบคำถามทีมงานวิจัยของศูนย์ไฮเทคข้อมูลของ Beihang Big Data มุ่งเน้นไปที่การวิจัยของ Q&A ที่ใช้กราฟความรู้ (KBQA), Q&A ที่ใช้ข้อความ (TextQA), ระบบ Q & A ที่ใช้ตาราง (TableQa)

• การตอบคำถามชุมชน (CQA) -Academic Circle
• การตอบคำถามชุมชน (CQA)-อุตสาหกรรม
• เครื่องอ่านความเข้าใจของเครื่องจักร (MRC) -Academic
• ความเข้าใจในการอ่านเครื่องจักร (MRC)-อุตสาหกรรม
• การตอบคำถามฐานความรู้ (KBQA)-วงกลม
• การตอบคำถามฐานความรู้ (KBQA)-อุตสาหกรรม
• การตอบคำถามตาราง (TQA) -Academic Circle
• การตอบคำถามด้วยภาพ (VQA) -Academic Circle

หวังว่าจะให้ความช่วยเหลือแก่นักวิชาการและนักวิจัยที่เกี่ยวข้องในสาขาของระบบตอบคำถามและการประมวลผลภาษาธรรมชาติ การสำรวจนี้จะรักษาการอัปเดตอย่างต่อเนื่องและต่อเนื่องและติดตามเทคโนโลยีที่ทันสมัยอย่างต่อเนื่อง หากมีข้อบกพร่องใด ๆ โปรดวิจารณ์และแก้ไขให้ถูกต้อง ระบบถาม - ตอบทั้งหมดและนักวิจัยการประมวลผลภาษาธรรมชาติยินดีที่จะใช้และทุกคนก็ยินดีที่จะปรับปรุงการสำรวจนี้ด้วยกัน

ข่าว!

• การประเมิน CCL2022: การประเมินการสกัดความรู้สำหรับคำถาม & คำตอบที่เน้นโดเมน การประเมินได้รับการจัดระเบียบร่วมกันโดยทีมงานของเราและการเดินทางการเดินทาง Zongheng ทุกคนยินดีที่จะให้ความสนใจและเข้าร่วม!
• รูปแบบความเข้าใจการอ่านภาษาจีนที่ผ่านการฝึกอบรมมาก่อนสำหรับแอปพลิเคชันคำถามและคำตอบและการสกัด เราได้แยกแยะและได้รับข้อมูลในสาขาจีนและขึ้นอยู่กับการปรับโมเดลที่เกี่ยวข้องให้เหมาะสมเราได้รับผลลัพธ์ชั้นนำในการอ่านความเข้าใจในสาขาจีน (20220630)
• ความรู้ข้ามโดเมนแพลตฟอร์มการโต้ตอบที่ชาญฉลาดคำถามแผนที่และอัลกอริทึมคำตอบที่สนับสนุนการกำหนดค่ากราฟความรู้อย่างรวดเร็วในสาขาต่าง ๆ เพื่อเปิดแพลตฟอร์มแอปพลิเคชันคำถามและคำตอบ (20220625)
• ความคืบหน้าการวิจัยล่าสุดของคำถามและคำตอบที่มองเห็นใน ACL2021, ACL2022, EMNLP2021, NAACL2021, NAACL2022, CVPR2021 และ ICCV2021 จะได้รับการปรับปรุงในไม่ช้า (คาดว่าจะได้รับการปรับปรุงในช่วงกลางเดือนกรกฎาคม 2565)
• งานที่เกี่ยวข้องของกราฟความรู้ Q&A ใน ACL2022, NAACL2022, AAAI2022 และ SIGIR2022 ได้รับการปรับปรุงแล้ว (20220618)
• การเพิ่มเหตุผลเชิงตรรกะการใช้เหตุผลเชิงตรรกะการอ่านชุดข้อมูลและรุ่นที่เกี่ยวข้อง (20220612)
• การอ่านความเข้าใจที่เกี่ยวข้องกับงานใน ACL2022, AAAI2022 และ SIGIR2022 ได้รับการปรับปรุงแล้ว (20220612)

การบริจาคโอเพ่นซอร์ส

ขณะนี้เรากำลังเตรียมการสำรวจเวอร์ชันภาษาอังกฤษ เราหวังว่านักวิจัยส่วนใหญ่สามารถเข้าร่วมได้เพื่อให้การสำรวจจะปรับปรุงและพัฒนาต่อไป นอกจากนี้เรายังจะจัดหาแพลตฟอร์มโปรโมชั่นและสิ่งจูงใจวัสดุที่สอดคล้องกันสำหรับผู้เข้าร่วม หากคุณสนใจที่จะเข้าร่วมในผู้สนับสนุนโอเพนซอร์สโปรดติดต่อ [email protected] ที่ที่อยู่อีเมล อีเมลจะตอบกลับภายใน 3 วันทำการ! ฉันหวังว่าการสำรวจครั้งนี้จะมีส่วนร่วมในการวิจัยและการประยุกต์ใช้งาน QA ในความพยายามของทุกคน

ผลลัพธ์ที่เกี่ยวข้อง

เอกสารวิชาการ

• Richong Zhang, Yue Wang, Yongyi Mao และ Jinpeng Huai: คำถามตอบคำถามในฐานความรู้: แบบจำลองการตรวจสอบด้วยการฝึกอบรมซ้ำ ๆ การทำธุรกรรม ACM ในระบบข้อมูล 37 (4): 40: 1-40: 26 (2019)

• Yue Wang, Richong Zhang, Cheng Xu และ Yongyi Mao: แนวทาง Apva-Turbo ในการตอบคำถามในฐานความรู้ การดำเนินการประชุมนานาชาติครั้งที่ 27 เรื่องภาษาศาสตร์การคำนวณ (COLING) หน้า 2541-2552 (2018)

หนังสือ

• มันจะได้รับการปล่อยตัวอย่างเป็นทางการในช่วงครึ่งหลังของปี 2022!

สิทธิบัตร

• CN107748757A | วิธีคำถามและคำตอบตามกราฟความรู้
• CN111858887A | ระบบคำถามและคำตอบของชุมชนสำหรับบริการสนามบิน
• CN111858888a | วิธีการสนทนาหลายรอบสำหรับฉากสนามบินที่มีค่า
• วิธีการก่อสร้างกราฟความรู้ขึ้นอยู่กับข้อมูลหลายแหล่ง
• การออกแบบและการใช้งานระบบถาม - ตอบตามกราฟความรู้
• การวิจัยเกี่ยวกับวิธีการถาม - ตอบตามฐานความรู้

ผลิตภัณฑ์แอปพลิเคชัน

• คำถามและคำตอบอัจฉริยะเกี่ยวกับกราฟความรู้และความรู้การกระทำ
• ความเข้าใจในการอ่านข้อความโดเมนทั่วไป
• ความรู้ข้ามโดเมนแพลตฟอร์มการโต้ตอบอัจฉริยะ
• ความรู้เกี่ยวกับสารานุกรมการบินพลเรือน
• การฝึกแอปพลิเคชันและคำตอบในแนวดิ่ง

กิตติกรรมประกาศ

เราขอขอบคุณ Beiihang High-Tech Center ซึ่งสนับสนุนการเปิดเผยข้อมูลและการวิจัยและพัฒนาระบบและสมาชิกในทีมทุกคนที่เกี่ยวข้องในงานนี้:

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

เกี่ยวกับเรา

ปักกิ่งวิทยาศาสตร์ข้อมูลขนาดใหญ่และคอมพิวเตอร์สมองข่าวกรองนวัตกรรมระดับประถมศึกษาสูง