Soru Cevaplama

Soru cevaplama (QA), bilgi erişimi ve doğal dil işleme (NLP) alanlarında bir bilgisayar bilimi disiplinidir ve insanlar tarafından doğal dilde sorulan soruları otomatik olarak yanıtlayan sistemlerin oluşturulmasıyla ilgilenir^[1]. Bu sistemler genellikle metin verileri üzerinde çalışır ve veri tabanlı veya makine öğrenimi tabanlı yöntemlerle çalışabilirler. Kullanıcıların çeşitli konular hakkında sorular sormasına ve belirli konularla ilgili doğru cevapları bulmalarına yardımcı olabilirler.

Genel bakış

Soru-Cevap (QA) uygulaması genellikle yapısal veri-tabanını sorgulayarak cevaplarını oluşturabilir. Daha yaygın olarak, soru-cevap sistemleri cevapları doğal dil belgelerinin yapısal olmayan koleksiyonundan çekebilir.

soru-cevap sistemleri için kullanılan doğal dil belgesi koleksiyonlarından bazı örnekler:

Yerel [^{ifadeleri netleştirme}] referans metinler koleksiyonu.
İç organizasyon[^ambiguous] belgeleri ve web sayfaları.
Derlenmiş haber ajansı raporları.
Bir dizi Vikipedi sayfası.

Soru cevaplama türleri

soru-cevaplama araştırmaları çeşit soru türleri cevaplama yöntemleri geliştirmeye amaçlıyor, örnek olarak gerçek, dizi, tanımlama, nasıl, ne için, anlamsal olarak kısıtlı soruları.

Okuduğunu anlama değerlendirmek için makaleyle ilgili soruları yanıtlamak, diğer türlerdeki soru-cevap sorunlarına kıyasla verilen makalenin nispeten kısa olması nedeniyle daha basit bir formdur. Böyle bir sorunun bir örneği, bu konuyla ilgili bir makale verildikten sonra "Albert Einstein Nobel Ödülü'nü ne için kazandı?" şeklinde olabilir. Kapalı-kitap soru cevaplama, bir sistem eğitim sırasında bazı gerçekleri ezberlediğinde ve açıkça bir bağlam verilmeden soruları cevaplayabildiğinde gerçekleşir. Bu, insanların kapalı-kitap sınavlara girmesiyle benzerdir.

Tarih

İki erken soru cevaplama sistemi BASEBALL^[2] ve LUNAR'idi.^[3] BASEBALL, bir yıl boyunca Major League Baseball hakkında soruları yanıtladı[^ambiguous]. LUNAR ise Apollo Ay misyonları tarafından getirilen kayaçların jeolojik analizi hakkında soruları yanıtladı. Her iki soru cevaplama sistemi de seçtikleri alanlarda çok etkiliydi. LUNAR, 1971'de bir ay bilim konvansiyonunda gösterildi ve sistemi bilmeyen kişiler tarafından sorulan soruların %90'ını yanıtlayabildi. Daha sonraki yıllarda daha sınırlı alanlara özgü soru cevaplama sistemleri geliştirildi. Tüm bu sistemlerin ortak özelliği, seçilen alanın uzmanları tarafından el ile yazılan bir temel veri tabanına veya bilgi sistemine sahip olmalarıydı. BASEBALL ve LUNAR, ilk sohbetbotu programları ELIZA ve DOCTOR'a benzer teknikler kullanıyordu.

Uygulamalar

Soru cevaplama (QA), kullanıcı sorularına kesin bilgi çıkarma yeteneği ve ilgili cevaplar sunma yeteneği nedeniyle çeşitli alanlarda ve endüstrilerde birçok uygulamaya sahiptir, uygulamalarından bazıları :

Bilgi Erişimi: QA sistemleri, arama motorları tarafından geniş web siteleri veri-tabanından bilgi çekmek için kullanılmaktadır.^[4]

Müşteri Destek ve Hizmet, müşteri destek sohbet botlarında QA sistemlerini kullanır.^[5]

Eğitim Araçları, Eğitim platformları QA sistemlerini entegre ederek, platformlar öğrencileri daha iyi yardımcı olmaktadır.^[6]
Sağlık Yardımı, sağlık hizmetleri QA sistemlerini hasta sorularını yanıtlamak için kullanır.^[7]
E-ticaret ve Tavsiyeler.^[8]
Doğruluk kontrolü, şüpheli bilgilerin doğruluğunun kanıtlanması ya da çürütülmesidir.^[9]

Mimari

Soru-Cevap sistemleri genellikle soru türünü ve gereken cevap türünü belirleyen bir soru sınıflandırıcı modül içerirdi^[10]. Çeşitli soru-cevap sistemleri farklı mimariler kullanır. GPT-3,T5^[11] ve BART^[12] gibi modeller, büyük metin verilerini alt parametrelerinde depolayan bir dönüştürücü tabanlı bir mimari kullanır. Bu, böyle modellerin harici bilgi kaynaklarına ihtiyaç duymadan soruları otomatik olarak yanıtlayabilmesini sağlar. Bu mimarilerin evrimi, soru-cevap sistemlerinin doğruluğunu ve verimliliğini önemli ölçüde artırmış olup, bunları bilgi alımı, müşteri desteği ve eğitim gibi çeşitli alanlarda değerli araçlar haline getirmiştir.

Referanslar

^ "Philipp Cimiano; Christina Unger; John McCrae (1 March 2014)". Morgan & Claypool Publishers. ISBN 978-1-60845-990-2.
^ GREEN JR, Bert F; et al. (1961).https://web.stanford.edu/class/linguist289/p219-green.pdf Western Joint IRE-AIEE-ACM Bilgisayar Konferansı: 219–224.
^ "Woods, William A; Kaplan, R. (1977). "Lunar rocks in natural English: Explorations in natural language question answering". Linguistic Structures Processing 5. 5: 521–569".
^ "Question Answering Search engine short review and road-map to future QA Search Engine. Konferans: 2015 Uluslararası Elektrik, Elektronik, Sinyaller, İletişim ve Optimizasyon Konferansı (EESCO)". Eksik ya da boş |url= (yardım)
^ "Leveraging Predictive Modeling, Machine Learning Personalization, NLP Customer Support, and AI Chatbots to Increase Customer Loyalty." https://researchberg.com/index.php/eqme/article/view/46 (2020-04).
^ "Setting the course for quality assurance in higher education."https://link.springer.com/article/10.1007/s11135-011-9639-2
^ "Using Artificial Intelligence to Improve Hospital Inpatient Care" https://ieeexplore.ieee.org/abstract/document/6547974 2022 Uluslararası Artırılmış Zeka ve Sürdürülebilir Sistemler Konferansı (ICAISS) (2022)
^ "Content-Based Recommendations within a QA System Using the Hierarchical Structure of a Domain-Specific Taxonomy"https://ieeexplore.ieee.org/abstract/document/6327408
^ "Fact Checking in Community Forums"https://ojs.aaai.org/index.php/AAAI/article/view/11983
^ "Natural Language Question Answering. The View from Here". Natural Language Engineering (2001), 7:4:275-300 Cambridge University Press.
^ "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer". Raffel, Colin; Shazeer, Noam; Roberts, Adam; Lee, Katherine; Narang, Sharan; Matena, Michael; Zhou, Yanqi; Li, Wei; Liu, Peter J. (2019). "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer".
^ "BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension". Lewis, Mike; Liu, Yinhan; Goyal, Naman; Ghazvininejad, Marjan; Mohamed, Abdelrahman; Levy, Omer; Stoyanov, Ves; Zettlemoyer, Luke (2019). "BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension".

[1] "Philipp Cimiano; Christina Unger; John McCrae (1 March 2014)". Morgan & Claypool Publishers. ISBN 978-1-60845-990-2.

[2] GREEN JR, Bert F; et al. (1961).https://web.stanford.edu/class/linguist289/p219-green.pdf Western Joint IRE-AIEE-ACM Bilgisayar Konferansı: 219–224.

[3] "Woods, William A; Kaplan, R. (1977). "Lunar rocks in natural English: Explorations in natural language question answering". Linguistic Structures Processing 5. 5: 521–569".

[4] "Question Answering Search engine short review and road-map to future QA Search Engine. Konferans: 2015 Uluslararası Elektrik, Elektronik, Sinyaller, İletişim ve Optimizasyon Konferansı (EESCO)". Eksik ya da boş |url= (yardım)

[5] "Leveraging Predictive Modeling, Machine Learning Personalization, NLP Customer Support, and AI Chatbots to Increase Customer Loyalty." https://researchberg.com/index.php/eqme/article/view/46 (2020-04).

[6] "Setting the course for quality assurance in higher education."https://link.springer.com/article/10.1007/s11135-011-9639-2

[7] "Using Artificial Intelligence to Improve Hospital Inpatient Care" https://ieeexplore.ieee.org/abstract/document/6547974 2022 Uluslararası Artırılmış Zeka ve Sürdürülebilir Sistemler Konferansı (ICAISS) (2022)

[8] "Content-Based Recommendations within a QA System Using the Hierarchical Structure of a Domain-Specific Taxonomy"https://ieeexplore.ieee.org/abstract/document/6327408

[9] "Fact Checking in Community Forums"https://ojs.aaai.org/index.php/AAAI/article/view/11983

[10] "Natural Language Question Answering. The View from Here". Natural Language Engineering (2001), 7:4:275-300 Cambridge University Press.

[11] "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer". Raffel, Colin; Shazeer, Noam; Roberts, Adam; Lee, Katherine; Narang, Sharan; Matena, Michael; Zhou, Yanqi; Li, Wei; Liu, Peter J. (2019). "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer".

[12] "BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension". Lewis, Mike; Liu, Yinhan; Goyal, Naman; Ghazvininejad, Marjan; Mohamed, Abdelrahman; Levy, Omer; Stoyanov, Ves; Zettlemoyer, Luke (2019). "BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension".

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

Kullanıcı:ESRA ŞAVIRDİ/deneme tahtası

İçindekiler