Deep Learning System zur Beantwortung von Fragen
Wahrscheinlich haben Sie schon einmal ein System zur Beantwortung von Fragen (QA) verwendet. Die meisten von ihnen sind nur eine FAQ, die in eine schreckliche Suchoberfläche verwandelt wurde. Wenn Sie nicht genau die gestellte Frage beantworten, brauchen Sie sich nicht zu bemühen. Andere QA-Systeme sind im Grunde nur eine Stichwortsuche, in die Sie Fragen eingeben können. Es ist das Einhorn, das tatsächlich die Anforderungen an ein QA-System erfüllt.
Was ist also ein richtiges Fragebeantwortungssystem? Die Antwort scheint offensichtlich: „Es ist ein System, das Ihre Fragen beantwortet“. Aber um dies richtig zu tun, muss es Synonyme, hinreichend genaue Antworten und andere Aspekte der Bedeutung von Fragen im Besonderen und von Sprache im Allgemeinen erkennen.
In ihrem Vortrag„Enriching Solr With Deep Learning for a Question Answering System“(Anreicherung von Solr mit Deep Learning für ein Fragebeantwortungssystem) auf der diesjährigen Activate-Konferenz zeigten die Lucidworks-Datenwissenschaftler Savva Kolbachev und Sanket Shahane ein leistungsfähiges Fragebeantwortungssystem, das sie durch Hinzufügen von Deep Learning mit Fusion aufgebaut haben. Sie zeigten, wie man genauere Antworten erzeugt und wie man den Ansatz angesichts der Gewichtung der Deep Learning-Modelle skalieren kann.
Ihr Vortrag behandelt sowohl Techniken als auch die eher technischen, mathematischen und statistischen Details und beinhaltet eine Demo, wie Fusion die Funktionalität von Solr bereichert. Außerdem gehen sie auf die Hervorhebung durch Sentiment-Analyse ein.
Wenn Sie versuchen, ein Information-Retrieval-System wie ein QS-System zu entwickeln, oder wenn Sie sich einfach nur für Deep Learning interessieren, dann sollten Sie sich diesen Vortrag unbedingt ansehen.
Nächste Schritte
- Beobachten Sie: Fragenbeantwortung und virtuelle Assistenten mit Deep Learning
- Sehen Sie sich an, wie Wayfair NLP bei Produktbewertungen einsetzt
- Kontaktieren Sie Lucidworks, wir helfen Ihnen gerne!