Watson
文章平均质量分 87
Air_Fighter
这个作者很懒,什么都没留下…
展开
-
How Did Watson Answer? —— About Question Analysis
Watson答题的第一步是对问题进行分析,分析器混合使用了“深度槽语法分析器”(deep Slot Grammar parser, 由于不了解这个分析器到底是什么鬼,暂时这么叫吧)、命名实体识别器、一致性检测组件、关系抽取组件。原创 2015-11-09 19:25:25 · 858 阅读 · 0 评论 -
How Did Watson Answer? —— Implicit Relationships
为了发现和衡量问题中的隐含关联、模糊关系,Waston采取了一种称为传播激活(Spreading-Activation)的方法。原创 2015-11-23 14:49:46 · 596 阅读 · 0 评论 -
How Did Watson Answer —— Final Merging and Ranking
一、摘要Watson答题处理流程的最后一步是答案的合并与排序。在这一步中,实现了按步骤划分并且可以逐次的机器学习框架,可以利用每一步中候选答案的评分,按照多个特征综合评分。 Watson中使用机器学习算法,面临的主要挑战有:1)候选答案有可能相同或相关,2)特征在不同题目类型中的重要程度不同,3)特征在排序过程中价值不同,4)特征之间结构不相同,5)答案类型失衡严重。二、框架合并与排序采用的机器学原创 2015-11-24 11:23:16 · 527 阅读 · 0 评论 -
How Did Watson Answer? —— Search & Candidate Generation
前面两篇文章分别介绍了如何处理事实性问题和特殊类型问题,今天的这篇主要介绍如何处理通用问题。原创 2015-11-12 15:45:29 · 1107 阅读 · 0 评论 -
How Did Watson Answer —— Automatic Knowledge Acquisition
一、摘要不同于模式匹配的知识获取,Waston中可以在非结构化文本中通过简单的语义分析来自动获取知识,甚至是以前不存在于知识库中的类型。知识获取分两步——第一,抽取浅层知识,第二,统计推理语义。这套方法的名字叫——PRIMSMATIC。二、相关术语在PRISMATIC中使用以下术语:帧(Frame)——一个帧是一个基本的语义片段,是一段文本中一系列的实体和他们之间的关系;槽(Slot) ——一个原创 2015-11-17 18:52:55 · 585 阅读 · 0 评论 -
How Did Watson Answer? —— Textual Evidance
Waston中使用“支持证据检索”对每个候选答案进行并行的独立的查询,检索算法中综合了题干和文章中的多个要素和关系。原创 2015-11-18 15:10:00 · 618 阅读 · 0 评论 -
How Did Watson Answer? —— Structured Data
一、摘要尽管Waston中使用更多的是非结构化的数据,但结构化数据的准确性能够寻找其他候选答案并且找到额外的证据。结构化的数据主要包括答案类型、地理空间位置解析、时间序列以及其他一下经常出现的实体的预先知识库.原创 2015-11-20 15:28:57 · 587 阅读 · 0 评论 -
How Did Watson Answer? —— Factoid Question Decomposition
前面曾经提过,Watson能够将题型进行分类,进而选择不同的答题策略。这篇文章就介绍Watson如何分解处理事实性问题。原创 2015-11-10 18:40:34 · 859 阅读 · 0 评论 -
How Did Watson Answer? —— Special Questions
前面曾经提过,Watson能够将题型进行分类,进而选择不同的答题策略。上一篇文章介绍了如何分解处理事实性问题,这篇文章将介绍Watson处理特殊类型的问题。原创 2015-11-11 16:17:50 · 558 阅读 · 0 评论 -
How Did Watson Answer? —— Relation Extraction
一、摘要Waston中关系抽取通过两种方式进行——一是基于规则的模式匹配,二是基于统计模型的模式导出(pattern elicitation)。其中人工模式有30种,统计模式有7000种。之所以使用关系抽取,是为了在ESG、PAS的基础上发现更深层次的语义关系,发现潜在的问题候选答案,当然也有利于对文章内容进行评分。 系统高级架构如下图: 二、基于规则的关系抽取规则都是由人工建立的,选择建立规则原创 2015-11-19 11:09:42 · 574 阅读 · 0 评论 -
How Did Watson Answer?
Watson是IBM公司为参加《Jeopardy!》(中文译名《危险游戏!》)而开发的QA系统。本文讲述了Watson的大概构成与工作流程。原创 2015-11-06 17:03:57 · 1165 阅读 · 1 评论 -
How Did Watson Answer?——Get Unstructured Textual Resource
本文主要讲述了IBM公司开发Watson系统过程中如何对文本信息就行获取、转换和拓展。主要参考文档为《Textual resource acquisition and engineering》。原创 2015-11-08 15:13:10 · 578 阅读 · 0 评论 -
How Did Watson Answer? —— Typing Coerced Candidate Answer
不同于传统QA系统的“先分类再生成”策略,Watson使用的是“先生成再分类”策略——首先生成候选项,然后再对其类型进行评分。原创 2015-11-14 10:11:10 · 653 阅读 · 0 评论 -
How Did Watson Answer? —— Deep Parsing
Watson中使用了两种分析器——ESG(English Slot Grammar)和PAS(Predicate-Argument Structure)。PAS建构在ESG之上,以支持更高层的语法分析。这篇文章主要介绍这两种组件,以及如何在基于规则的关系抽取中使用它们。原创 2015-11-16 16:30:09 · 653 阅读 · 0 评论 -
How Did Watson Answer —— Computation Optimization
本文主要介绍DeepQA架构中大量的并行计算如何进行和加速,以及针对CPU计算的优化。并行加速无非就是将一项大任务切分为几个子任务同时进行,这个框架名字叫“非结构化信息管理架构”(UIMA, Unstructured Information Management Architecture)。原创 2015-11-25 17:38:25 · 482 阅读 · 0 评论