通过深度实体识别提升问答性能
计算与语言
2016-05-30 v1
摘要
本文提出了一个面向波兰语的开放域事实型问答系统 RAFAEL。该系统不仅寻找回答句，还提取与所需实体对应的单个字符串。此处重点置于对实体识别的不同方法上，这对检索符合问题约束的信息至关重要。除传统方法（包括命名实体识别 (NER) 解决方案）外，引入并实现了一种称为深度实体识别 (DeepER) 的新技术。它基于先前构建的实体库，允许全面搜索匹配给定 WordNet 同义词集（例如印象派画家）的所有形式实体指称。该实体库通过分析法典条目首句以及消歧和重定向页面创建。DeepER 还提供自动评估，使得大量实验成为可能，包括基于波兰语维基百科回答来自电视问答节目的一千多个问题。在独立问题集上人工评估的最终结果表明，DeepER 方法的优势在于其能够回答那些要求超出传统命名实体类别答案的问题。
引用
@article{arxiv.1605.08675,
title = {Boosting Question Answering by Deep Entity Recognition},
author = {Piotr Przybyła},
journal= {arXiv preprint arXiv:1605.08675},
year = {2016}
}