Resumen

Recientemente, muchos modelos de aprendizaje profundo han obtenido resultados elevados en la tarea de respuesta a preguntas, con puntuaciones generales de F1 superiores a 0,88 en los conjuntos de datos SQuAD. Sin embargo, muchos de estos modelos obtienen puntuaciones F1 bastante bajas en las preguntas de tipo "por qué". Estas puntuaciones F1 oscilan entre 0,57 y 0,7 en el conjunto de desarrollo SQuAD v1.1. Esto significa que estos modelos son más apropiados para la extracción de respuestas a preguntas de tipo factoide que a preguntas de tipo por qué. Las preguntas de por qué se formulan cuando se necesitan explicaciones. Estas explicaciones pueden ser argumentos o simplemente opiniones subjetivas. Por lo tanto, proponemos un enfoque para encontrar la respuesta a las preguntas por qué utilizando el análisis del discurso y la inferencia del lenguaje natural. En nuestro enfoque, la inferencia del lenguaje natural se aplica para identificar los argumentos implícitos a nivel de frase. También se aplica en el cálculo de la similitud de las frases. El análisis del discurso se aplica para identificar los argumentos explícitos y las opiniones a nivel de frase en los documentos. Los resultados de estos dos métodos son los candidatos a respuesta que se seleccionan como respuesta final para cada pregunta de por qué. También implementamos un sistema con nuestro enfoque. Nuestro sistema puede proporcionar una respuesta para una pregunta de por qué y un documento como en un test de comprensión de lectura. Probamos nuestro sistema con un conjunto de pruebas traducido al vietnamita que contiene todas las preguntas de por qué del conjunto de desarrollo de SQuAD v1.1. Los resultados de la prueba muestran que nuestro sistema no puede superar a un modelo de aprendizaje profundo en la puntuación F1; sin embargo, nuestro sistema puede responder a más preguntas (tasa de respuesta del 77,0%) que el modelo de aprendizaje profundo (tasa de respuesta del 61,0%).

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:modelo de aprendizaje profundo, preguntas, inferencia del lenguaje natural, sistema, análisis del discurso, nivel de frases, tasa de respuestas, puntuación f1, conjunto de desarrollo v1.1, puntuación f1 global
• Keywords:deep learning model, questions, natural language inference, system, discourse analysis, sentence level, answer rate, f1 score, v1.1 development set, overall f1 score