Wie NLP und Deep Learning Fragebeantwortungssysteme zum Laufen bringen

In unserer zweiten Staffel von Lucidworks haben wir uns bisher mit NLP vs. NLU, Learning to Rank, neuronaler IR-Suche und der Klassifizierung von Suchanfragen beschäftigt. In unserer vorletzten Folge der zweiten Staffel werfen wir einen Blick auf die Besonderheiten von Systemen zur Beantwortung von Fragen. Jetzt ansehen:

Suchmaschinen, Chatbots und intelligente Geräte werden immer besser darin, über die „10 blauen Links“ hinauszugehen und uns eine genaue Antwort auf unsere Frage zu geben. Diese Technologie wird offiziell als Fragebeantwortungssystem bezeichnet.

Es gibt zwei Arten von QA-Systemen: offene und geschlossene. Ein System, das versucht, jede Frage zu beantworten, die Sie stellen könnten, wird als offenes System oder Open Domain System bezeichnet – denken Sie an Google oder Alexa („Wie lautet der Geburtsname von Prince?“). Und dann gibt es geschlossene Systeme (oder geschlossene Domänen), die für ein bestimmtes Thema oder eine bestimmte Funktion oder Wissensdomäne oder ein bestimmtes Unternehmen entwickelt wurden („Ich muss meinen Flug umbuchen.“). Andere geschlossene Systeme sind z.B. das FAQ-System eines Unternehmens, die Wissensdatenbank-Suche oder der Chatbot.

Aber nicht immer stellen Benutzer beim ersten Mal klar formulierte Fragen. Wenn dies der Fall ist, muss der Computer etwas schlauer sein und versuchen, die Absicht des Benutzers mithilfe von Deep Learning und neuronaler IR-Suche zu erkennen oder sogar klärende Fragen zu stellen, um eine bessere Antwort auf die gestellten Fragen zu finden.

Sie können die gesamte zweite Staffel im Schnelldurchlauf ansehen oder gleich zur ersten Staffel zurückkehren .

Abonnieren Sie den Kanal Lucid Thoughts und stellen Sie sicher, dass Sie Ihre Fragen und Kommentare zu jedem Video hinterlassen.