Question Answering from Procedural Semantics to Model Discovery

Abstract

Question Answering (QA) is one of the branches of Artificial Intelligence (AI) that involves the processing of human language by computer. QA systems accept questions in natural language and generate answers often in natural language. The answers are derived from databases, text collections, and knowledge bases. The main aim of QA systems is to generate a short answer to a question rather than a list of possibly relevant documents. As it becomes more and more difficult to find answers on the World Wide Web (WWW) using standard search engines, the technology of QA systems will become increasingly important. A series of systems that can answer questions from various data or knowledge sources are briefly described. These systems provide a friendly interface to the user of information systems that is particularly important for users who are not computer experts. The line of development of ideas starts with procedural semantics and leads to interfaces that support researchers for the discovery of parameter values of causal models of systems under scientific study. QA systems historically developed roughly during the 1960-1970 decade (Simmons, 1970). A few of the QA systems that were implemented during this decade are: • The BASEBALL system (Green et al., 1961) • The FACT RETRIEVAL System (Cooper, 1964) • The DELFI systems (Kontos & Kossidas, 1971; Kontos & Papakontantinou, 1970)

Υπολογιστικό Μεταγνωστικό Σύστημα Απάντησης Ερωτήσεων Εμπνευσμένο Από Μεταγνωσιακές Λειτουργίες

“…Επειδή στο διαδίκτυο αυτό γίνεται όλο και πιο δύσκολο μέσω των κλασσικών μηχανών αναζήτησης, η χρήση της τεχνολογία των συστημάτων QA τείνει να γίνει όλο και πιο επιτακτική. (Kontos, J., and Malagardi, I., 2006).…”

“…Grishman (1996). Το άλλο χρησιμοποιεί μια διαδικασία συλλογισμού που συνδυάζει τη γνώση η οποία έχει εξαχθεί από το προηγούμενο υποσύστημα για την απάντηση ερωτήσεων δίχως τη χρήση πίνακα αναπαράστασης (template) (Kontos, J., and Malagardi, I., 2006).…”

“…Το σύστημα μετασχημάτιζε τις προτάσεις σε μορφή που επέτρεπε την αναζήτηση των απαντήσεων σε βάση δεδομένων. Τα στοιχεία και το λεξικό ήταν δομές δεδομένων, ενώ οι ερωτήσεις γίνονταν με μία μόνο πρόταση (Kontos, J., and Malagardi, I., 2006).…”

“…Το σύστημα βασίστηκε στην αναπαράσταση μιας ανεξάρτητης πρωτοποριακής μεθόδου που καλείται επίσης ARISTA. Με τη μέθοδο αυτή η επεξεργασία γνώσεων γίνεται από κείμενο χωρίς προηγούμενη μετάφραση του κειμένου σε τυπική γλώσσα (Κόντος, 1996) (Κόντος, 1996, σελ.162) και μπορεί να παράγει απαντήσεις που δεν ήταν ρητά δηλωμένες στα κείμενα εισαγωγής του συστήματος (Kontos, J., and Malagardi, I., 2006).…”

“…Το δεύτερο σύστημα QA AROMA (ARista Oriented Model Adaptation) απαντά σε ερωτήσεις της μορφής: «What if» (Kontos et al, 2002) (Kontos, J., and Malagardi, I., 2006).…”