Kivonatolás, kérdés megválaszolás, dialógus rendszerek 2010. november. 16.

Az előadások a következő témára: "Kivonatolás, kérdés megválaszolás, dialógus rendszerek 2010. november. 16."— Előadás másolata:

1 Kivonatolás, kérdés megválaszolás, dialógus rendszerek 2010. november. 16.

2 Kivonatolás Automatic text summarization Kivonat: rövid, de pontos reprezentánsa a dokumentum tartalmának rövid: kevesebb, mint az eredeti fele tartalom: legfontosabb tartalomnak át kell jönnie „Olvastam a Háború és Békét… Oroszországról szól…” Woody Alen

3 A kivonatolás alkalmazásai újságcikkek TV műsor/mozi előzetes tudományos publikációk önéletrajzok sport közvetítések egyetemi jegyzetek

4 Miért kivonatoljunk információrobbanás, Internet szöveges adatok, számítógép gyorsabb ha a cél általános szövegek összefoglalása, nem konkrét információtípus (IE eredménye nem mindig értelmezhető hétköznapi embereknek) mobil, PDA

5 Kivonat típusok megközelítés: kinyerés vs. absztrakt általános, query alapú, felhasználó alapú szakértői vagy bevezető jellegű single vs. multi document input típusa (pl. részben strukturált) nyelvközi kivonatolás

6 Problémák a kivonatolásban A szöveg tartalmát kell megragadni Hogyan határozzuk meg a kivonat hosszát (rövid dokumentumok nehezebb összefoglalni)? Automatikus rendszerek kiértékelése Jelenlegi rendszerek közel sem olyan jók, mint az ember

7 Mondat kinyerés Alapegységek a mondatok (vagy?) Cél: legfontosabb mondatok kiválogatása a szövegből Legelső kezdeményezések (’58) –fontossági sorrend felállítása a mondatok közt (szignifikáns szavak előfordulásainak száma) –bináris osztályozás: állító/magyarázó mondat –domain-specifikus rendszerek kiértékelés: pontosság, fedés

8 Hasznos jellemzők kulcsszavak/tulajdonnevek szövegbeli pozíció –bevezetés/konklúzió –bekezdésen belüli pozíció mondat hossza mondatok közti szemantikus távolság

9 A mondatkinyerés hátrányai A kohézió hiánya (kohézió analízis) Következetesség hiánya Supermarket A announced a big profit for the third quarter of the year. The directory studies the creation of new jobs. Meanwhile, B’s supermarket sales drop by 10% last month. The firm is studying closing down some of its stores. (DOCUMENT) Supermarket A announced a big profit for the third quarter of the year. The firm is studying closing down some of its stores. (EXTRACT)

10 Mondat realizálás Tömörítés/egyszerűsítés When it arrives sometime new year in new TV sets, the V-chip will give parents a new and potentially revolutionary device to block out programs they don’t want their children to see. Felügyelt szekvenciajelölő megközelítés –tanító adatbázis: kézi összefoglalók –párhuzamosítás

11 Absztrakt kivonatolás „új” mondatok generálása a „megértett” tartalom alapján Anafóra feloldás/szintaktikai elemzés/WSD query alapú kivonatolás: IE eredményből generálás

12 Absztrakt kivonat értékelése kohézió, következetesség eltalálja a témát? fontos információ nem marad ki? Helyettesítheti a kivonat a dokumentumot? (osztályozhatóság, kérdések megválaszolása) Automatikus kiértékelés: ROUGE, emberi kivonatokhoz hasonlítás (hasonló a BLUE-höz, de fedés-alapú)

13 A multi dokumentum kivonatolásról… Motiváció: „tegnapi sporthírek” A dokumentumok stílusa különböző (még ha témájában meg is egyezik) Redundáns információ/Kiegészítő info Ellentmondó információ négyen haltak meg 3 embert öltek meg

14 A multi dokumentum kivonatolásról… Lépései: –Mondatok kinyerése (megegyező mondatok) –Sorrend felállítása kronológia kohézió klaszterzés + „átlagos” sorrend –Realizáció Tisztítás, összevonás, co-refereciák

15 Realizáció Presidential advisers do not blame O’Neill, but they’ve long recognized that a shakeup of the economic team would help indicate Bush was doing everything he could to improve matters. U.S. President George W. Bush pushed out Treasury Secretary Paul O’Neill and top economic adviser Lawrence Lindsey on Friday, launching the first shake - up of his administration to tackle the ailing economy before the 2004 election campaign.

16 Főcím generálás A fő gondolat megtalálása (ált. rövidebb mint egy mondat) Különbözik a folyó szövegtől –egyszerű nyelvtan –figyelemfelkeltő stílus ML (legvalószínűbb főcím) –szó választás (jellemző, átfogó) –generálás

17 Címkézés tagging, kulcsszó kinyerés címkehalmaz = kivonat ugyanazok a problémák, mint mondatoknál –kiválasztás –kohézió –absztrakt címkék egyszerűbb feladat használhatóság?

18 Címkézés alkalmazásai blogokhoz ajánlás újsághírek címkézése tudományos cikkeknél kulcsszó kinyerés más NLP alkalmazásokhoz bemenet –dokumentum osztályozás/klaszterezés –információ visszakeresés

19 Címke ajánlás Kézzel címkézett halmaz rendelkezésre áll (pl. blog) 1.címkézetlen dokumentumokhoz leghasonlóbbak megtalálása 2.címkék átvétele (kapcsolódás mértéke, kohézió) hátrány: fix címke halmaz

20 Kulcsszó kinyerés Egyetlen dokumentumra fókuszál 1.címkejelöltek azonosítása főnévi szerkezetek absztrakt címkék 2.végső címkézés szűrése jelöltek szöveg- és korpuszbeli előfordulása gyakorisága együtt-előfordulása hátrány: dokumentumközi koherencia

21 Próbáljuk ki! Kivonatolás http://cimkezes.origo.hu/cimkefelho/ Q&A http://ask.com Dialógus rendszerek http://www.lafoxka.hu/ http://www.ikea.hu

22 Kérdés megválaszolás

23 Question answering (Q&A) Input: egy természetes nyelvi kérdés Output: választ tartalmazó dokumentumok halmaza (ugyanaz, mint IR) Vagy releváns bekezdés… (kivonat?) Vagy a válasz… Következő generációs kereső rendszerek? –Ki használ speciális karaktereket? –Ki fog kérdést begépelni?

24 Kérdések típusai Tények (nevek, dátumok, helyek stb.) Listák Definíciók Eldöntendő Hogyan? Miért?

25 Architektúra kulcsszó alapú rendszer (kérdés szavai) Azokat a mondatokat vizsgálja ahol megjelennek ezek a szavak A mondatok rangsorolás (pozíció, sorrend, relevancia) A kérdés átformálása működik ha elég nagy az adathalmaz: Hol született Petőfi? „Petőfi * született”

26 Egy Q&A rendszer felépítése ( Moldovan – TREC 2004) 1.Kérdés feldolgozás 2.Keresőszavak előállítása 3.Dokumentum szűrés és rangsorolás 4.Válasz feldolgozása

27 Kérdés feldolgozás Kérdés típus azonosítás –ML: bag-of-words, tulajdonnevek stb. Válasz típusának meghatározása (kérdéstípuson belül) A kérés fókuszának behatárolása Melyik a leghosszabb folyó Európában? általában szabály alapú rendszerrel

28 Kérdések típusai

29 Keresőkifejezések előállítása Heurisztikák: –nem gyakori szavak –tulajdonnevek –jelzős főnévi szerkezetek –igék –a kérdés fókusza Szinonimák

30 Dokumentumok szűrése A kulcsszavaknak egymáshoz közel kell elhelyezkedniük (pl. egymást követő bekezdésekben) Túl gyakori/túl ritka kulcsszavak Rangsorolás: –dokumentum forrása (Wiki, hivatalos) –kérdés szavainak száma –nem illesztett kulcsszavak

31 Válasz mondat kiválasztása Válasz lokalizálása a dokumentumban (bekezdés/mondat) Nyelvi elemzés (elsősorban szintaktikai) Ellenőrzés, hogy a válasz típusának megfelel-e a találat (pl. WordNet hyponímia) Legjobb válaszok listája(?)

32 Q&A kiértékelése MRR (mean recoprical rank) adott: –tesztkérdések –dokumentumhalmaz –emberi válaszok a dokhalmaz alapján Minden rendszer N db rangsorolt választ ad minden kérdésre metrika: jó válasz rangsorának reciproka

33 Próbáljuk ki! Kivonatolás http://cimkezes.origo.hu/cimkefelho/ Q&A http://ask.com Dialógus rendszerek http://www.lafoxka.hu/ http://www.ikea.hu

34 Dialógus rendszerek

35 beszélgető ágensek Ember-gép interakció Tutoring Adatbázis keresések Információkinyerés dialógusokból Tárgyalás követés

36 Alkalmazások Döntéstámogató rendszerek Navigációs rendszerek Ügyfélszolgálatok (irányítás) Vizsgáztatás

37 Példák [19:31:22] öcsémnél lefagyott a firefox [19:31:23] és erre írt a készítőknek [19:31:29] hogy "lefagyott ez a szar„ [19:31:44] erre visszaírtak magyarul, hogy "na jó, de hogy fagyott le ez a szar?„ [19:32:06] szal fx-nél legalább support van

38 Példák 17:03 3 honapos macska vkinek? 17:03 free 17:03 :) 17:04 :DDDDDDDD 17:04 ne rohogj :) 17:04 :) 17:05 no_screen: gari? allapot? 17:05 :) allapot alig hasznalt 17:05 gari azt valalok 1 evet 17:05 :) 17:05 csipas verzio? 17:05 csak ha teljesen tonkremegy akkor cserelem 17:05 :)) 17:05 :)) 17:06 szin? 17:06 szurke csikos 17:06 marka? 17:06 homemade

39 Problémák a dialógusoknál Számítógépes nyelvészet –Kérdés vagy információközlés megértése (szemantikai reprezentáció) –NL generálás Mesterséges Intelligencia –ha nem értem a kérdést visszakérdezzek (pontosítás)? –mikor váltsak át kérdezőbe/információ közlőbe? –ha nincs válasz az nemet jelent? meddig várjak? –„Visszacsatolásos tanulás”: a dialógus ágens céljait milyen kérdések/közlések sorozatával érheti el a leghatékonyabban

40

41 Jelenleg működő rendszerek Lehetséges kérdések halmaza rögzített ügyfélszolgálatok, tutoring szűk domainen működik! bejövő kérdéshez leghasonlóbb mintakérdés kiválasztása (egyébként „nem értem mire gondolsz”) és az előre megadott válasz (szöveges vagy navigáció) megadása

42 Jelenleg működő beszélgető ágensek néhány beépített (gyakori) kérdésre válasz próbálják a kérdező szerepét átvenni (ált. eldöntendő kérdések) a válaszok egyszerű elemzésével (bag- of-words) tudnak „reagálni” céljuk általában: beszélgetési/kérdés/válasz sablonok gyűjtése későbbi (gépi) tanuláshoz

43 Turing tesztKínai szoba

44 Próbáljuk ki! Kivonatolás http://cimkezes.origo.hu/cimkefelho/ Q&A http://ask.com Dialógus rendszerek http://www.lafoxka.hu/ http://www.ikea.hu