ıllı Internet y Tecnologías de la Información (2018)

internet, Hosting, dominios, seo, antivirus, banco de imágenes, páginas web, tiendas online

[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):

ıllı Búsqueda de respuestas wiki: info, historia y vídeos

videos internet

salud  Búsqueda de respuestas 


Busca.

La busca de contestaciones, llamado en inglés Question Answering (QA) es un género de restauración de la información. Dada una cierta cantidad de documentos (como WWW), el sistema habría de ser capaz de recobrar contestaciones a preguntas planteadas en lengua natural. QA es observado como un procedimiento que requiere una tecnología de Procesamiento de lenguaje natural más compleja que otros géneros de sistemas para la Restauración dentos, y, en ciertos casos, se le observa como un paso por delante de la tecnología del buscador.


Un sistema de question answering es uno de los sistemas más complejos en torno a la restauración de información. Debemos tener en consideración que un sistema basado en el question-answering es considerablemente más bastante difícil que un sistema normal que se hace cargo de buscar una información en una cantidad aproximadamente grande de documentos, puesto que estos debe extraer de tales documentos un fragmento de texto (mínimo) que responda a una pregunta dada en lenguaje natural. Estos sistemas están muy ligados a los buscadores web web.


Un sistema de question-answering procura reconocer un extenso rango de géneros de cuestiones, incluyendo hechos, listas, definiciones, de qué forma, en qué momento, dónde, por qué razón, etcétera Dichas buscas pueden cambiar desde pequeñas compilaciones de documentos locales, organizaciones internas de documentos, hasta la página web entera (o bien una parte de ella).


Los primeros sistemas de question-answering se desarrollaron en torno a mil novecientos sesenta y esencialmente eran interfaces de lenguaje natural para sistemas especialistas centradas en dominios concretos. En contraste, los sistemas de question-answering actuales emplean documentos de texto como base de conocimiento y combinan distintas técnicas de procesamiento del lenguaje natural.


Los sistemas actuales acostumbran a incluir un modulo de clasificación de preguntas (question classifier module) que se hace cargo de determinar el género de pregunta y contestación. Tras examinar el interrogante, el sistema emplea distintos módulos que aplican complejas técnicas de procesamiento de lenguaje natural incrementando la dificultad entre cada módulo. Tras ello, se aplica un módulo de restauración de documentos que usa buscadores para identificar documentos y parágrafo en el documento que puedan contener la contestación a el interrogante.


Posteriormente, se aplica un filtro que se hace cargo de escoger pequeños pedazos de texto que contengan cadenas del mismo tipo al aguardado. Por poner un ejemplo, si el interrogante es ¿Quién es el rey de España?, este filtro buscase textos que contengan nombres. Finalmente, el modulo de extracción de contestaciones es el responsable de buscar pistas en el texto que determinen si una contestación aspirante es correcta


Un sistema de question-answering es muy dependiente de un buen motor de busca que se ocupe de elegir documentos que contengan la contestación. Semeja lógico que grandes compilaciones de documentos tiende a generar mejor desempeño, salvo que el dominio de la cuestión sea ortogonal al de la compilación. La noción de redundancia de datos en compilaciones masivas, como la página web, quiere decir que probablemente una parte de la información esté en múltiples sitios, contextos y documentos diferentes. Esto tiene 2 beneficios, se reduce la carga de los sistemas de procesamiento de lenguaje natural, y que podemos estimar las contestaciones adecuadas como aquellas que aparecen más veces.


Podemos hacer una distinción entre 2 métodos diferentes profundidad o bien anchura:


En profundidad se emplean múltiples métodos para encontrar fragmentos de texto de documentos para después filtrarlos basándose en la presencia de la contestación deseada. Por último, esas contestaciones se ordenan basándose en diferentes criterios.


Sin embargo, en los casos en los que la reformulación de el interrogante no es suficiente, se debe efectuar un análisis semántico y contextual. Estos sistemas acostumbran a incluir sistema de administración del conocimiento representados en ontologías, como WordNet o bien SUMO.


Algunos de los primeros sistemas de inteligencia artificial eran sistemas de question-answering. 2 de los sistemas de question-answering más conocidos por aquellos tiempos eran BASEBALL y LUNAR que se desarrollaron en los años mil novecientos sesenta. El primero, BASEBALL respondía preguntas sobre los jugadores de béisbol de USA en el periodo de un año. El segundo, LUNAR, se ocupaba de contestar preguntas sobre análisis geológico de las rocas que trajo el Apollo en su viaje a la Luna. Los dos sistemas eran bastante efectivos, en verdad LUNAR era capaz de contestar al noventa por ciento de las preguntas apropiadamente. Múltiples sistemas de question-answering de dominio cerrado se edificaron en los años siguientes, cuya funcionalidad común era que tenían núcleo basado en las bases de datos de conocimiento escritas por especialistas.


Algunos de estos primerizos sistemas de inteligencia artificial incluían habilidades de question-answering. 2 de los más esenciales y conocidos sistemas fueron SHRDU y ELIZA. SHRDLU simulaba la operación de un robot en un planeta virtual (planeta de los blockes), y ofrecía la posibilidad de consultar al robot sobre el estado el planeta virtual. La potencia de este sistema fue la elección de un dominio muy concreto y un planeta simple con reglas físicas que eran muy simple de codificar. Por otra parte, ELIZA, simulaba una charla con un sicólogo. ELIZA era capaz de charlar de cualquier tema a través de el empleo de reglas muy simples que advertían palabras esenciales en la entrada. Era un sistema muy tosco para contestar preguntas, mas produjo una serie de charrterbots que participaron el en premio anual Loebner prize.


En las décadas de los setenta y ochenta se apreció el desarrollo de las teorías de entendimiento en lingüística computacional, lo que dejó el desarrollo de proyectos de entendimiento de texto y question-answering. Un caso de estos sistemas es el Unix Consultant (UC), que respondía preguntas referentes a sistema operativoUnix.Este sistema tenía una base de datos de conocimiento entendible del dominio. Otro proyecto fue LILOG, que fue un sistema reconocedor de texto que operaba en el dominio del turismo en una urbe alemana.


A finales de los noventa la conferencia anual Text Retrieval Conference (TREC) incluía un sistema de question-answering que prosigue ejecutando en la actualidad. Los sistemas que participan en esta competición deben contestar cuestiones sobre un tema buscando un pedazo de texto que cambia de un año para otro. Esta competición dirigió la busca y desarrollo del question-answering en dominio abierto. Los mejores sistemas del año dos mil cuatro consiguieron un setenta y siete por ciento de las preguntas adecuadas. Un creciente número de sistemas incluyen la página web como uno de los cuerpos de texto. Hoy en día hay un enorme desarrollo en el interés de la integración de sistemas de questión answering en la Web. Ask.com es un caso reciente, y Google y Microsoft han comenzado a integrar las comodidades del question-answering en sus motores de búsqueda Web.


  ELIGE TU TEMA DE INTERÉS: 


autoayuda.es   Internet y Tecnologias 

Está aquí: Inicio > [ INTERNET ] > ıllı Búsqueda de respuestas wiki: info, historia y vídeos

Las cookies nos permiten ofrecer nuestros servicios. Al utilizar nuestros servicios, aceptas el uso que hacemos de las cookies. Ver políticas