Պատասխանների գեներացիա
Հարցերին պատասխանելը համակարգչային գիտություն է ՝ տեղեկատվության որոնման և բնական լեզվի մշակման ոլորտներում, որը վերաբերում է այնպիսի համակարգերի կառուցմանը, որոնք ավտոմատ կերպով պատասխանում են մարդկանց կողմից բնական լեզվով տրվող հարցերին։ Հարցերի պատասխանների իրականացումը, սովորաբար համակարգչային ծրագիրը, կարող է կառուցել իր պատասխանները ՝ հարցումներ ուղղելով տեղեկատվական կառուցվածքային տվյալների բազային։ Հարցերին պատասխանող համակարգերը կարող են նաև պատասխաններ վերցնել բնական լեզվի չկառուցված հավաքածուներից։
Պատմություն[խմբագրել | խմբագրել կոդը]
Հարցերին պատասխանելու երկու վաղ համակարգերն էին BASEBALL[1]-ը և LUNAR-ը։ BASEBALL-ը պատասխանել է ԱՄՆ բեյսբոլի լիգայի վերաբերյալ հարցերին, իսկ LUNAR-ը ՝ Ապոլոնի լուսնի հետազոտություններից բերված ապարների երկրաբանական վերլուծության վերաբերյալ հարցերին։ Երկու համակարգերն էլ շատ էֆեկտիվ էին իրենց ընտրած տիրույթներում։ LUNAR– ը ցուցադրվեց լուսնային գիտական կոնվենցիայի ժամանակ 1971 թ., Եվ այն կարողացավ պատասխանել իր տիրույթում տրվող հարցերի 90% -ին, որոնք առաջ էին քաշում համակարգում չփորձված մարդիկ։ Հաջորդ տարիներին մշակվել են սահմանափակ տիրույթում հարցերի պատասխանների համակարգեր։ Այս բոլոր համակարգերի ընդհանուր առանձնահատկությունն այն է, որ դրանք ունեցել են հիմնական տվյալների բազա կամ գիտելիքների համակարգ, որը մշակել են ընտրված տիրույթի մասնագետները։ BASEBALL և LUNAR համակարգերն օգտագործում էին տեխնիկական լուծումներ, որոնք նման էին առաջին չատբոտերի՝ ELIZA[2] և DOCTOR ծրագրերի աշխատանքին։
SHRDLU-ն հարցերին պատասխանելու բավականին հաջողված համակարգ էր, որը մշակվել էր Թերի Ուինոգրադի կողմից 1960-ականների վերջին և 1970-ականների սկզբին։ Այն առաջարկում էր ռոբոտին հարցեր տալ աշխարհի վիճակի մասին։ Այս համակարգի ուժեղ կողմը նեղ մասնագիտական տիրույթի ընտրությունն էր ՝ պարզ ֆիզիկայի կանոններով, որոնք հեշտ էր ծածկագրել համակարգչային ծրագրում։
Վերջին տարիներին տվյալների վերլուծության և հաշվարկման համակարգերի մեծ աճը հնարավորություն տվեց զարգացնել մեքենայական ուսուցման ավելի հզոր համակարգեր։ Մասնավորապես, նեյրոնային ցանցերի վերածնունդը հանգեցրել է խորը ուսուցման մոդելների լայն տարածմանը `մեքենայական թարգմանությունից մինչև օբյեկտի և խոսքի ճանաչում։ Այսօր մենք օգտագործում ենք Dynamic Coatention Network (DCN) և խորը ուսուցումը[3] ՝ հարցին պատասխանելու համար։
Ճարտարապետություն[խմբագրել | խմբագրել կոդը]
2001 թ.-ի դրությամբ հարցերին պատասխանող համակարգերը սովորաբար պարունակում էին հարցերի դասակարգիչ մոդուլ, որը որոշում է հարցի տեսակը և պատասխանի տեսակը։ Առաջարկվել է հարցերին պատասխանող բազմա-ագենտային ճարտարապետություն, որտեղ յուրաքանչյուր տիրույթ ներկայացված է ագենտով, որը փորձում է պատասխանել հարցերին ` հաշվի առնելով իր հատուկ (կոնկրետ) գիտելիքները. մետա-ագենտը վերահսկում է հարցերին պատասխանող ագենտների համագործակցությունը և ընտրում է առավել համապատասխան պատասխան (ներ) ը։
Ընդհանուր ճարտարապետություն[խմբագրել | խմբագրել կոդը]
Օգտատերը մուտքագրում է հարցը ՝ ծրագրային ինտերֆեյսի միջոցով։ Դրանից հետո կատարվում է հարցում ՝ գտնելու համար բոլոր հնարավոր պատասխանները մուտքագրված հարցի համար։ Պրոցեսը բաղկացած է հետևյալ փուլերից ՝
1․ Կատարվում է նախնական վերամշակում։ Ծրագիրը վերլուծում է մուտքագրված հարցը և փորձում է որոշել թե այն ինչ ոլորտի է պատկանում։
2․ Ծրագիրը հարցում է կատարում տվյալների բազային, որտեղ պահված են հնարավոր պատասխանների ցանկեր, և փնտրում է տրված բանալի-բառերին համապատասխանող տարբերակները։
3․ Նախորդ քայլից ստացված պատասխանները պահվում են ավտոմատ գեներացված ֆայլում։
4․ Ֆայլում գտնվող ինֆորմացիան, որը պահվում է WX ֆորմատով, փոխակերպվում է պահանջվող տեքստի և ցուցադրվում օգտատիրոջը։
Ծանոթագրություններ[խմբագրել | խմբագրել կոդը]
- ↑ Green, Bert F.; Wolf, Alice K.; Chomsky, Carol; Laughery, Kenneth (1961 թ․ մայիսի 9). «Baseball: an automatic question-answerer». Papers presented at the May 9-11, 1961, western joint IRE-AIEE-ACM computer conference. IRE-AIEE-ACM '61 (Western). Los Angeles, California: Association for Computing Machinery: 219–224. doi:10.1145/1460690.1460714. ISBN 978-1-4503-7872-7.
- ↑ «Eliza - chat with this electronic therapist». Eclectic Energies (ամերիկյան անգլերեն). Վերցված է 2020 թ․ նոյեմբերի 3-ին.
- ↑ Brownlee, Jason (2019 թ․ օգոստոսի 15). «What is Deep Learning?». Machine Learning Mastery (ամերիկյան անգլերեն). Վերցված է 2020 թ․ նոյեմբերի 3-ին.
Գրականություն[խմբագրել | խմբագրել կոդը]
- A Survey of Text Question Answering Techniques https://research.ijcaonline.org/volume53/number4/pxc3882030.pdf
- Question Answering in the Biomedical Domain https://pdfs.semanticscholar.org/abb6/80fc2cb196875e890137b4d0af3fb9f28caa.pdf?_ga=2.135525425.1633497673.1604396219-767374456.1604396219
- Question Answering and Question Generation as Dual Tasks https://arxiv.org/pdf/1706.02027.pdf