Developing Method of Non-Factoid Question Answering

Abstract

Question answering (QA) aims to automatically find and generate an answer that is relevant to a question posed by humans in a natural language. Today, the most popular QA systems that are being given more attention are non-factoid. Therefore, the current problem found in non-factoid QA is to find the most appropriate passage in the candidate documents that is considered as the answer. This work presents a method of answer retrieval for non-factoid QA. The proposed method consists of two main stages. The first stage is preliminary that concentrates to provide the question and answer patterns based on Markov Model (MM). These patterns will used for the next stage, called question-answer processing stage. After evaluating of answer retrieval performance by Bilingual Evaluation Understudy (BLEU-1) and Recall-Oriented Understudy for Gisting Evaluation (ROUGE-L), they are 0.43, and 0.41 respectively. To the best of our knowledge, these results are acceptable.

การถาม-ตอบ (Question-answering: QA) มีวัตถุประสงค์เพื่อการค้นหาและสร้างคำตอบที่เกี่ยวข้องกับคำถามที่มนุษย์เขียนไว้ในลักษณะของภาษาธรรมชาติแบบอัตโนมัติ ปัจจุบันระบบการถาม-ตอบที่ได้รับความสนใจมากขึ้นคือการถาม-ตอบที่ต้องการคำตอบที่เป็นเหตุผลเรียกว่าการถาม-ตอบ แบบนอนแฟคทอยด์ (Non-factoid QA) ไม่ใช่คำตอบในลักษณะสั้นๆ (Factoid QA) ดังที่ผ่านมา ดังนั้นปัญหาที่กำลังได้รับการศึกษาในปัจจุบันของการถาม-ตอบ แบบนอนแฟคทอยด์ ก็คือการหาทางส่วนที่เหมาะสมที่สุดในเอกสารที่จะใช้เป็นคำตอบ ซึ่งงานวิจัยฉบับนี้นำเสนอวิธีการค้นหาคำตอบสำหรับการถาม-ตอบแบบนอนแฟคทอยด์ โดยกระบวนการที่นำเสนอมี 2 ขั้นตอนหลัก ขั้นตอนแรกคือการสร้างรูปแบบคำถามและรูปแบบคำตอบด้วยแบบจำลองมาร์คอฟ (Markov Model: MM) โดยรูปแบบคำถามและรูปแบบคำตอบที่ได้จะถูกใช้ในขั้นตอนที่ 2 ที่เรียกว่าขั้นตอนการประมวลผลการถาม-ตอบ ในที่สุดหลังจากที่ประเมินการค้นหาคำตอบในการถาม-ตอบแบบนอนแฟคทอยด์ด้วย BLEU-1 และ ROUGE-L ซึ่งให้ผลลัพธ์ที่เท่ากับ 0.43 และ 0.41 ตามลำดับ และจากการศึกษาที่ผ่านมาพบว่าผลลัพธ์ดังกล่าวเป็นผลลัพธืที่ยอมรับได้ในงานวิจัยด้านการถาม-ตอบแบบนอนแฟคทอยด์