[ Skip to the content ]

Institute of Formal and Applied Linguistics

at Faculty of Mathematics and Physics, Charles University, Prague, Czech Republic


[ Back to the navigation ]

Publication


Year 2016
Type in proceedings
Status published
Language English
Author(s) Aghaebrahimian, Ahmad Jurčíček, Filip
Title Open-domain Factoid Question Answering via Knowledge Graph Search
Czech title Otevřený question answering na faktoidech s pomocí znalostního grafu
Proceedings 2016: Stroudsburg, PA, USA: NAACL HTL 2016: Proceedings of the 2016 Conference of the North American Chapter of the Association for Computational Linguistics: Human-Computer Question Answering Workshop
Pages range 22-28
How published print
URL https://www.google.cz/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwidg9e4uenPAhXBB8AKHaEZBiAQFggdMAA&url=https%3A%2F%2Faclweb.org%2Fanthology%2FW%2FW16%2FW16-0104.pdf&usg=AFQjCNEqizizA6hhgINeaZ-oNXsR9My11g&sig2=jRl5knH_-yO_A2dzszfJzA
Supported by 2016-2019 GAUK 4055/2016 (Spoken Language Understanding in open-domain environment) 2016 SVV 260 333 (Teoretické základy informatiky a výpočetní lingvistiky) 2012-2016 LK11221 (Vývoj metod pro návrh statistických mluvených dialogových systémů) 2010-2015 LM2010013 (LINDAT-CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat) 2012-2016 PRVOUK P46 (Informatika)
Czech abstract Představujeme vysoce škálovatelný přístup k otevřenému question answeringu, který nezávisí na datasetu mapujícím z logické formy na povrchovou, ani na jakýchkoliv lingvistických nástrojích pro analýzu, jako např. POS tagger nebo rozpoznavání pojmenovaných entit. Popisovaný přístup je definován v rámci frameworku Constrained Conditional Models, který umožnuje škálovat znalostní grafy bez omezení velikosti. Ve standardním benchmarku jsme dosáhli 4% zlepšení výsledků oproti state-of-the-art v otevřeném question answeringu.
English abstract We introduce a highly scalable approach for open-domain question answering with no dependence on any data set for surface form to logical form mapping or any linguistic analytic tool such as POS tagger or named entity recognizer. We define our approach under the Constrained Conditional Models framework which lets us scale up to a full knowledge graph with no limitation on the size. On a standard benchmark, we obtained near 4 percent improvement over the state-of-the-art in open-domain question answering task.
Specialization computer science ("informatika")
Confidentiality default – not confidential
Open access no
ISBN* 978-1-941643-96-9
Address* Stroudsburg, PA, USA
Month* June
Publisher* Association for Computational Linguistics
Institution* ACL
Creator: Common Account
Created: 6/8/16 9:50 PM
Modifier: Almighty Admin
Modified: 2/25/17 10:06 PM
***

Content, Design & Functionality: ÚFAL, 2006–2016. Page generated: Mon Nov 20 16:27:16 CET 2017

[ Back to the navigation ] [ Back to the content ]

100% OpenAIRE compliant