Intelligenza Artificiale
Question Answering
Prof. M.T. PAZIENZA
a.a. 2001-2002
Question Answering Q/A
E’ il processo di estrazione automatica di
risposte per domande poste in linguaggio
naturale su una collezione di documenti
(precedentemente selezionati o meno) ed
utilizzando una base di conoscenza
Q/A Architettura
Un qualunque sistema di Q/A consta dei
seguenti moduli:
• query processing - elaborazione della
domanda
• document retrieval - ricerca dei documenti
• answer extraction and formulation identificazione della risposta e sua
generazione
Tipi di sistemi di Q/A
Capaci di elaborare domandi “fattuali” (le
risposte sono esattamente corrispondenti alla
domanda nella loro espressione linguistica nomi propri, parole chiave, …)
Capaci di effettuare semplici meccanismi di
ragionamento (inferenza per collegare risposte
a domande. Es: Come morì Socrate? Socrate
bevve succo di cicuta)
Capaci di generare risposte da più documenti (Es:
Quali avvicendamenti ci sono stati negli ultimi
anni tra i dirigenti FIAT)
Tipi di sistemi di Q/A
Capaci di rispondere in un contesto di
successive interazioni (risoluzione di
anafore tra contesti diversi)
Capaci di rispondere a domande di natura
speculativa (Es: L’Italia è fuori dalla
recessione economica?)
Q/A in TREC-9
Corpus di grandi dimensioni di notizie
giornalistiche
Domande in classi ristrette
Certezza di documenti con risposta nel corpus
Risposte lunghe meno di 50 caratteri
5 risposte ordinate per score
Processo totalmente automatico
Esempi di tipi di domande
• What
– Basic what
• Q: What was the monetary value of the Nobel Peace Prize in 1989?
– What who
• Q: What costume designer decided that Michael Jackson should wear only one
glove?
– What when
• Q: In what year did Ireland elect its first woman president?
– What where
• Q: What is the capital of Uruguay?
• Who
– Q: Who is the author of the book “The Iron Lady: a Biography of Margaret
Thatcher”?
Esempi di tipi di domande
• How
– Basic how
• Q: How did Socrates die?
– How many
• Q: How many people died when the Estonia sank in 1994?
– How long
• Q: How long does it take to travel from Tokyo to Niigata?
– How much
• Q: How much did Mercury spend on advertising in 1993?
– How far
• Q: How far is Yaroslavl from Moscow?
– How tall
• Q: How tall is Mt. Everest?
– How rich
• How rich is Bill Gates?
– How large
• How large is the Arctic refuge to preserve unique wildlife and wilderness value on
Alaska’s north coast?
Esempi di tipi di domande
• Where
– Q: Where is Taj Mahal?
• When
– Q: When did the Jurassic Period end?
• Which
– Which who
• Q: Which city has the oldest relationship as sister-city with Los Angeles?
– Which when
• Q: In which year was New Zealand excluded from the ANZUS Alliance?
– Which what
• Q: Which Japanese car maker had its biggest percentage of sale in the
domestic market?
Esempi di tipi di domande
• Name
– Name who
• Q: Name the designer of the show that spawned millions of plastic
imitations, known as “jellies”.
– Name where
• Q: Name a country that is developing a magnetic levitation railway system.
– Name what
• Q: Name a film that has won the Golden Bear in the Berlin Film Festival?
• Why
– Q: Why did David Koresh ask for a word processor?
• Whom
– Q: Whom did the Chicago Bulls beat in the 1993 championship?
Q/A moduli principali
Parsing of question - Analisi sintattica della
domanda per ottenerne un albero sintattico
Question analysis - Per formare una query al
sistema di IR, vengono estratte unità
linguistiche di una solo o di più parole
(concept word)
Question classification - La domanda è
classificata in base alla risposta attesa
(nominale, temporale, numerica, di luogo)
Q/A moduli principali
Segmentation - Per diminuire l’ammontare del
testo da elaborare, i documenti sono
suddivisi in unità coerenti semanticamente
Ranking of segments - Per ciascun segmento,
ciascuna frase è valutata rispetto alla
vicinanza con la domanda
Parsing of segments - Si analizza ciascuna
frase dei migliori segmenti trovati
Q/A moduli principali
Pinpointing - Si confrontano gli alberi sintattici
di domanda e risposte, poi si estrae una parte
di testo di lunghezza predeterminata per
ciascuna frase, si valuta la sua appropriatezza
Ranking of answers - Le risposte candidate
vengono ordinate per valore
Summary of main modules in IR, IE , QA
Subsystem
Question processing
Module
Keyword processing
IR I Q
E A
X
X
Question representation
X
Answer prediction
X
Keyword selection
X
X
Keyword expansion
X
X
Document indexing
Document indexing
X
Y
X
and retrieval
Document search and retrieval
X
Y
X
Document ranking
X
Y
X
Morphological and lexical proc
X
X
Extract relevant passages
X
X
Syntactic parsing
X
X
Name entity recognition
X
X
Document processing
Subsystem
Module
X
X
Dictionaries
X
X
Domain ontologies
X
X
Domain patterns
X
Domain coreference
X
Domain event merging
X
Patterns
X
X
Complex nlp techniques
X
X
Merge
X
X
Use of world knowledge WordNet
Use of domain
knowledge
Output extracting
Output formatting
IR I Q
E A
Answer ranking
X
Logic prover
X
Answer justification
X
Template filling
X