PASCAL - Pattern Analysis, Statistical Modelling and Computational Learning

Combinaison de fonctions de préférence par Boosting pour la recherche de passages dans les systèmes de question/réponse.
Nicolas Usunier, Massih Amini and Patrick Gallinari
In: Extraction et Gestion de Connaissances (EGC'05), 19-21 Jan 2005, Paris, France.

Abstract

Nous proposons une methode d’apprentissage automatique basee pour la selection de passages susceptibles de contenir la reponse a une question dans les systemes de Question-Reponse (QR). Les systemes de RI adhoc ne sont pas adaptes a cette tache car les passages recherches ne doivent pas uniquement traiter du meme sujet que la question mais en plus contenir sa reponse. Pour traiter ce probleme les systemes actuels reordonnent les passages renvoyes par un moteur de recherche en considerant de criteres sous forme d’une somme ponderee de fonctions de scores. Nous proposons d’apprendre automatiquement, grace a un algorithme de reordonnencement defini dans le cadre du Boosting, les poids de cette combinaison qui sont habituellement determines manuelement. En plus du cadre d’apprentissage propose, l’originalite de notre approche reside dans la definition des fonctions allouant des scores de pertinence aux passages. Nous validons notre travail sur la base de questions et de reponses de l´evaluation TREC-11 des systemes de QR. Les resultats obtenus montrent une amelioration significative des performances en terme de rappel et de precision par rapport a un moteur de recherche standard et a une methode d’apprentissage issue du cadre de la classification.

PDF - Requires Adobe Acrobat Reader or other PDF viewer.
EPrint Type:Conference or Workshop Item (Paper)
Project Keyword:Project Keyword UNSPECIFIED
Subjects:Information Retrieval & Textual Information Access
ID Code:1072
Deposited By:Massih Amini
Deposited On:04 September 2005