توضیحات
This book provides a coherent and complete overview of various Question Answering (QA) systems. It covers three main categories based on the source of the data that can be unstructured text (TextQA), structured knowledge graphs (KBQA), and the combination of both. Developing a QA system usually requires using a combination of various important techniques, including natural language processing, information retrieval and extraction, knowledge graph processing, and machine learning.
After a general introduction and an overview of the book in Chapter 1, the history of QA systems and the architecture of different QA approaches are explained in Chapter 2. It starts with early close domain QA systems and reviews different generations of QA up to state-of-the-art hybrid models. Next, Chapter 3 is devoted to explaining the datasets and the metrics used for evaluating TextQA and KBQA. Chapter 4 introduces the neural and deep learning models used in QA systems. This chapter includes the required knowledge of deep learning and neural text representation models for comprehending the QA models over text and QA models over knowledge base explained in Chapters 5 and 6, respectively. In some of the KBQA models the textual data is also used as another source besides the knowledge base; these hybrid models are studied in Chapter 7. In Chapter 8, a detailed explanation of some well-known real applications of the QA systems is provided. Eventually, open issues and future work on QA are discussed in Chapter 9.
This book delivers a comprehensive overview on QA over text, QA over knowledge base, and hybrid QA systems which can be used by researchers starting in this field. It will help its readers to follow the state-of-the-art research in the area by providing essential and basic knowledge.
————————————————————–
ترجمه ماشینی :
این کتاب یک نمای کلی منسجم و کامل از سیستمهای مختلف پاسخگویی به سؤالات (QA) ارائه میکند. این سه دسته اصلی بر اساس منبع داده را پوشش می دهد که می تواند متن بدون ساختار (TextQA)، نمودارهای دانش ساخت یافته (KBQA) و ترکیبی از هر دو باشد. توسعه یک سیستم QA معمولاً مستلزم استفاده از ترکیبی از تکنیکهای مهم مختلف، از جمله پردازش زبان طبیعی، بازیابی و استخراج اطلاعات، پردازش نمودار دانش، و یادگیری ماشین است.
پس از یک مقدمه کلی. و مروری بر کتاب در فصل 1، تاریخچه سیستمهای QA و معماری رویکردهای مختلف QA در فصل 2 توضیح داده شده است. این کتاب با سیستمهای QA با دامنه نزدیک اولیه شروع میشود و نسلهای مختلف QA را تا سطح پیشرفته مرور میکند. مدل های ترکیبی هنری بعد، فصل 3 به توضیح مجموعه داده ها و معیارهای مورد استفاده برای ارزیابی TextQA و KBQA اختصاص دارد. فصل 4 مدل های یادگیری عصبی و عمیق مورد استفاده در سیستم های QA را معرفی می کند. این فصل شامل دانش مورد نیاز از یادگیری عمیق و مدلهای نمایش متن عصبی برای درک مدلهای QA از روی متن و مدلهای QA بر پایه دانش است که به ترتیب در فصلهای 5 و 6 توضیح داده شدهاند. در برخی از مدلهای KBQA از دادههای متنی به عنوان منبع دیگری در کنار پایگاه دانش استفاده میشود. این مدلهای ترکیبی در فصل 7 مورد بررسی قرار میگیرند. در فصل 8، توضیح مفصلی از برخی کاربردهای واقعی شناخته شده سیستمهای QA ارائه شده است. در نهایت، مسائل باز و کار آینده در مورد QA در فصل 9 مورد بحث قرار میگیرد.
این کتاب یک مرور کلی در مورد QA از طریق متن، QA بر پایه دانش، و سیستمهای QA ترکیبی ارائه میکند. می تواند توسط محققانی که در این زمینه شروع کرده اند مورد استفاده قرار گیرد. این به خوانندگان خود کمک می کند تا با ارائه دانش اساسی و اساسی، تحقیقات پیشرفته در این منطقه را دنبال کنند.
tag : دانلود کتاب پاسخگویی به متن و پایگاه دانش , Download پاسخگویی به متن و پایگاه دانش , دانلود پاسخگویی به متن و پایگاه دانش , Download Question Answering over Text and Knowledge Base Book , پاسخگویی به متن و پایگاه دانش دانلود , buy پاسخگویی به متن و پایگاه دانش , خرید کتاب پاسخگویی به متن و پایگاه دانش , دانلود کتاب Question Answering over Text and Knowledge Base , کتاب Question Answering over Text and Knowledge Base , دانلود Question Answering over Text and Knowledge Base , خرید Question Answering over Text and Knowledge Base , خرید کتاب Question Answering over Text and Knowledge Base ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.