孟加拉语问答模型的进展与挑战：综合评述
计算与语言
2024-12-17 v1
摘要
自然语言处理（NLP）领域在孟加拉语问答（QA）系统的演进中取得了显著进展。本文对七篇推动该领域发展的研究文章进行了全面评述。这些研究探索了为孟加拉语创建问答系统的不同方面，涵盖数据收集、数据准备、模型设计、实验和结果解释等环节。论文引入了创新方法，如基于LSTM的注意力机制模型、基于上下文的问答系统以及基于先验知识的深度学习技术。然而，尽管取得了进展，仍存在若干挑战，包括缺乏良好标注的数据、缺乏高质量阅读理解数据集，以及在上下文中理解词义的困难。这些挑战限制了孟加拉语问答模型的精度和适用性。本评述通过强调在创建孟加拉语问答系统方面取得的进展以及为克服障碍、提升这些系统在实际语言理解任务中的性能所需的持续努力，突出了这些研究贡献的重要性。
引用
@article{arxiv.2412.11823,
title = {Advancements and Challenges in Bangla Question Answering Models: A Comprehensive Review},
author = {Md Iftekhar Islam Tashik and Abdullah Khondoker and Enam Ahmed Taufik and Antara Firoz Parsa and S M Ishtiak Mahmud},
journal= {arXiv preprint arXiv:2412.11823},
year = {2024}
}