پیشبینی کیفیت متن در سیستم های پرسش-پاسخ: مروری بر روشهای یادگیری عمیق

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 525

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEITCONF01_179

تاریخ نمایه سازی: 26 مرداد 1397

چکیده مقاله:

امروزه سیستم های پرسش-پاسخ آنلاین بیش از پیش مورد استفاده مصرف کنندگان این سیستم ها قرار می گیرند،تابوسیله آن در هرکجا سوالات خود را مطرح کرده و پاسخ مناسب مناسب دریافت نمایند.دو نمونه این سیستم ها،سیستم های پرسش-پاسخ اجتماعی و سیستم های پرسش پاسخ پزشکی می باشد.مهمترین چالش این سیستم ها کیفیت پاسخ هایی است که این سیستم ها به مصرف کنندگاه ارایه می نمایند.برخی از متخصصینی که این پاسخ ها را تولید می کنندبه خاطر نداشتن وقت کافی و یا مبهم بودن سوال به پرسش ها با کیفیت جواب نمی دهند.بنابراین می بایست یک ابزار موثر ایجاد شود تا به صورت خودکار کیفیت پاسخ ها را تعیین کند.بدین منظور امروزه بهترین رهیافت برای این منظور،استفاده از روش های یادگیری عمیق است.روش های یادگیری عمیق با لایه های متعدد دارای کارایی و دقت بالاتری می باشند.از نمونه های این رهیافت می توان به شبکه های باور عمیق اشاره کرد که جزء مهمترین این روش ها می باشند.

کلیدواژه ها:

سیستم های پرسش و پاسخ ، یادگیری ماشین ، یادگیری عمیق ، شبکه های عصبی

نویسندگان

رسول صایبی

دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

حمید رستگاری

دانشکده مهندسی کامپیوتر، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران