Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning
Η απάντηση ερωτημάτων (QA) είναι ένας υποκλάδος της ανάκτησης πληροφορίας. Λαμβάνοντας ένα σύνολο εγγράφων, ένα σύστημα απάντησης ερωτημάτων επιχειρεί να βρει τη σωστή απάντηση στην ερώτηση που τίθεται σε φυσική γλώσσα. Η τεχνική αυτή αποτελείται από μια διεπιστημονική προσέγγιση. Περιλαμβάνει τεχνο...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/14540 |
| id |
nemertes-10889-14540 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-145402022-09-05T04:59:56Z Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning Question answering systems using deep learning techniques Ντενέζος, Παναγιώτης Ntenezos, Panagiotis Aπάντηση ερωτημάτων Σύστημα απάντησης ερωτημάτων Βαθιά μάθηση Επεξεργασία φυσικής γλώσσας Τεχνητή νοημοσύνη Ανάκτηση πληροφορίας Question answering Question answering systems Deep learning Natural language processing Artificial intelligence Information retrieval SQuAD Η απάντηση ερωτημάτων (QA) είναι ένας υποκλάδος της ανάκτησης πληροφορίας. Λαμβάνοντας ένα σύνολο εγγράφων, ένα σύστημα απάντησης ερωτημάτων επιχειρεί να βρει τη σωστή απάντηση στην ερώτηση που τίθεται σε φυσική γλώσσα. Η τεχνική αυτή αποτελείται από μια διεπιστημονική προσέγγιση. Περιλαμβάνει τεχνολογία πληροφοριών, τεχνητή νοημοσύνη, επεξεργασία φυσικής γλώσσας, διαχείριση γνώσεων και βάσεων δεδομένων. Από τεχνολογική άποψη, η απάντηση σε ερωτήματα χρησιμοποιεί τη φυσική ή στατιστική επεξεργασία της γλώσσας, την ανάκτηση πληροφοριών και την εκπροσώπηση της γνώσης ως πιθανές δομικές μονάδες. Περιλαμβάνει την ταξινόμηση κειμένων και τις τεχνολογίες εξόρυξης δεδομένων. Σε γενικές γραμμές, το σύστηµα ερωταποκρίσεων (QAS) αποτελείται από τρία δομικά στοιχεία όπως η ταξινόμηση ερωτήσεων, η ανάκτηση πληροφορίας και η εξαγωγή απαντήσεων. Η ταξινόμηση των ερωτήσεων αποτελεί πρωταρχικό ρόλο στο σύστημα QA, καθώς κατηγοριοποιεί το ερώτημα με βάση τον τύπο της οντότητάς του. Η μέθοδος ανάκτησης πληροφορίας προσφέρει την εξαγωγή της κατάλληλης απάντησης. Τέλος, η μονάδα εξόρυξης απάντησης παρέχει μια κατάταξη των σχετικών απαντήσεων και την επικύρωση της απάντησης ενός υποψηφίου. Question Answering (QA) is a subclass of information retrieval. Given a collection of documents, a Question Answering system tries to seek out out the proper answer to the question proposed in natural language. Question answering is interdisciplinary. It involves information technology, artificial intelligence, natural language processing, knowledge and database management and cognitive science. Technologically speaking, question answering uses natural or statistical language processing, information retrieval, and knowledge representation and reasoning as potential building blocks. It involves text classification, information extraction and summarization technologies. In general, question answering system (QAS) consist of three distinct modules such as question classification, information retrieval, and answer extraction. These components play a essential role in QAS. Question classification play primary role in QA system, as it categorizes the question based upon its type. The information retrieval method offers the appropriate answers. Finally, answer extraction module aims to retrieve the answer of the user's question by ranking and verifying all the appropriate answer. 2021-02-26T07:16:18Z 2021-02-26T07:16:18Z 2020-09-30 http://hdl.handle.net/10889/14540 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Aπάντηση ερωτημάτων Σύστημα απάντησης ερωτημάτων Βαθιά μάθηση Επεξεργασία φυσικής γλώσσας Τεχνητή νοημοσύνη Ανάκτηση πληροφορίας Question answering Question answering systems Deep learning Natural language processing Artificial intelligence Information retrieval SQuAD |
| spellingShingle |
Aπάντηση ερωτημάτων Σύστημα απάντησης ερωτημάτων Βαθιά μάθηση Επεξεργασία φυσικής γλώσσας Τεχνητή νοημοσύνη Ανάκτηση πληροφορίας Question answering Question answering systems Deep learning Natural language processing Artificial intelligence Information retrieval SQuAD Ντενέζος, Παναγιώτης Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning |
| description |
Η απάντηση ερωτημάτων (QA) είναι ένας υποκλάδος της ανάκτησης πληροφορίας. Λαμβάνοντας ένα σύνολο εγγράφων, ένα σύστημα απάντησης ερωτημάτων επιχειρεί να βρει τη σωστή απάντηση στην ερώτηση που τίθεται σε φυσική γλώσσα. Η τεχνική αυτή αποτελείται από μια διεπιστημονική προσέγγιση. Περιλαμβάνει τεχνολογία πληροφοριών, τεχνητή νοημοσύνη, επεξεργασία φυσικής γλώσσας, διαχείριση γνώσεων και βάσεων δεδομένων. Από τεχνολογική άποψη, η απάντηση σε ερωτήματα χρησιμοποιεί τη φυσική ή στατιστική επεξεργασία της γλώσσας, την ανάκτηση πληροφοριών και την εκπροσώπηση της γνώσης ως πιθανές δομικές μονάδες. Περιλαμβάνει την ταξινόμηση κειμένων και τις τεχνολογίες εξόρυξης δεδομένων. Σε γενικές γραμμές, το σύστηµα ερωταποκρίσεων (QAS) αποτελείται από τρία δομικά στοιχεία όπως η ταξινόμηση ερωτήσεων, η ανάκτηση πληροφορίας και η εξαγωγή απαντήσεων. Η ταξινόμηση των ερωτήσεων αποτελεί πρωταρχικό ρόλο στο σύστημα QA, καθώς κατηγοριοποιεί το ερώτημα με βάση τον τύπο της οντότητάς του. Η μέθοδος ανάκτησης πληροφορίας προσφέρει την εξαγωγή της κατάλληλης απάντησης. Τέλος, η μονάδα εξόρυξης απάντησης παρέχει μια κατάταξη των σχετικών απαντήσεων και την επικύρωση της απάντησης ενός υποψηφίου. |
| author2 |
Ntenezos, Panagiotis |
| author_facet |
Ntenezos, Panagiotis Ντενέζος, Παναγιώτης |
| author |
Ντενέζος, Παναγιώτης |
| author_sort |
Ντενέζος, Παναγιώτης |
| title |
Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning |
| title_short |
Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning |
| title_full |
Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning |
| title_fullStr |
Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning |
| title_full_unstemmed |
Συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning |
| title_sort |
συστήματα ερωταποκρίσεων με χρήση τεχνικών deep learning |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/14540 |
| work_keys_str_mv |
AT ntenezospanagiōtēs systēmataerōtapokriseōnmechrēsētechnikōndeeplearning AT ntenezospanagiōtēs questionansweringsystemsusingdeeplearningtechniques |
| _version_ |
1771297140482506752 |
