fbpx
DeepLearningItalia
  • Home
  • Clienti
  • Meetup
  • Executive Master
  • Tutorial
    • Machine Learning
    • Deep Learning
    • Frameworks
    • Matematica
  • Workshop
  • Elearning
  • Contatti
  • Registrazione
  • Login
  • ItalianoItaliano
    • EnglishEnglish
    • EspañolEspañol
  • Cerca
  • Menu
  • Linkedin
  • Youtube
  • Facebook

Che cos’è il Question Answering?

Autore: Calogero Zarbo

Che cos’è il Question Answering?

Il question answering è una particolare specificazione di un problema molto più grande: ossia la capacità di comprendere il linguaggio naturale. Quest’ultima rappresenta un’enorme sfida per tutti gli appassionati di AI e Machine Learning, principalmente perchè è molto complesso riuscire a formalizzare la semantica in una formula matematica.

La capacità di rappresentare pensieri, emozioni, sentimenti in un discorso organico, sotteso anche da sfumature di linguaggio che possono è molto complesso da formalizzare in modo universale, ma nonostante le difficoltà siamo riusciti a fare degli enormi passi avanti.

Lo stato dell’arte di oggi utilizza sistemi di question answering che vengono allenati con domande e risposte manualmente curate dagli collaboratori esterni. L’avvento dei transformers ha permesso di migliorare le performance nell’identificare il focus della query e trovare la migliore risposta possibile.

La limitazione, tuttavia, è che la risposta deve esistere nei testi che si vanno ad analizzare. 

Data la gamma di prodotti e servizi offerti da grandi imprese come le banche, il numero di documenti che devono essere forniti per garantire la copertura è immenso. Ciò comporta grosse spese di mantenimento poiché i prodotti, le condizioni e le normative cambiano costantemente e questa conoscenza deve essere propagata all’interno del sistema di question answering.

Reading Comprehension

La comprensione della lettura è un’attività dove l’intelligenza artificiale viene molto usata, che richiede un sistema di domande e risposte per elaborare una parte di testo, comprendere ed essere in grado di estrarre l’intervallo di testo che è la risposta alla query dell’utente.

Stanford Question Answering Dataset (SQuAD) è uno dei principali dataset pubblici che mette a disposizione degli sviluppatori un set di paragrafi con domande e risposte associate in modo da poter allenare gli algoritmi. (https://rajpurkar.github.io/SQuAD-explorer/).

Si suddivide in due challenges:

  • SQuAD 1.1 test per la comprensione della lettura della macchina (MRC), creando un sistema in grado di leggere un documento e rispondere così come un essere umano.
  • SQuAD 2.0 doveva “incoraggiare lo sviluppo di sistemi di comprensione della lettura che sanno ciò che non sanno”.
NLP 1.1

NLP 1.1

Hugging Face

Nel nostro corso NLP-HandsOn 1 investigheremo assieme questi sistemi di question answering, impareremo a costruirne di nostri, e cercheremo di capire le problematiche dietro ai diversi algoritmi che applicheremo.

Per fare tutto ciò useremo in modo molto pervasivo la libreria Transformers, conosciuta come Hugging Face, la quale è in grado di fornire:

  • Datasets
  • Algoritmi pre-trained
  • Interfacce python già pronte in modo da poter lasciare a noi solo l’arduo compito di creare una user experience degna

NLP 1.2

Se sei interessato a saperne di più visita il nostro e-learning:

https://elearning.academy-dli.com/p/nlp-hands-on-1

RSS Deep Learning – it news

  • ColorVu: dettagli vividi ea colori h24 - Top Trade
    ColorVu: dettagli vividi ea colori h24  Top Trade
  • Cognex porta Intelligenza Artificiale e Deep Learning a SPS - Industry 4.0
    Cognex porta Intelligenza Artificiale e Deep Learning a SPS  Industry 4.0
  • Mercato del software di deep learning Prospettive globali dal 2022 al 2027: SimpleCV, Sayint, DeepPy, AWS, IBM, Nuance, Google, OpenCV - Cineforme
    Mercato del software di deep learning Prospettive globali dal 2022 al 2027: SimpleCV, Sayint, DeepPy, AWS, IBM, Nuance, Google, OpenCV  Cineforme
  • GPT-3: i rischi del deep learning applicato al linguaggio naturale - Agenda Digitale
    GPT-3: i rischi del deep learning applicato al linguaggio naturale  Agenda Digitale
  • Deep Learning: dove si usa nella ricerca e gli impatti sul metodo scientifico - Agenda Digitale
    Deep Learning: dove si usa nella ricerca e gli impatti sul metodo scientifico  Agenda Digitale
  • Lambda e Razer svelano il laptop per il deep learning - 01Net
    Lambda e Razer svelano il laptop per il deep learning  01Net

Discussioni recenti

  • SALE. ORDER Temovate Cream ONLINE NO PRESCRIPTION, Temovate cream
  • Mail buy Lumigan legitimate, Lumigan how long to work
  • purchase Generic Ivermectin United Kingdom, Ivermectin and doxycycline
  • Buy Zinnat no prescription fast delivery, Zinnat vs toxin
  • Kup Kenalog Bez recepty, Ndc for kenalog injection

Latest uploads

  • Tree-Based Machine Learning: Random Forest, Gradient Boosting 26 Settembre 2021
  • Che cos’è il Question Answering? 26 Settembre 2021
  • Che cos’è un motore di ricerca? 26 Settembre 2021
  • Transfomers: Come si usano? 26 Settembre 2021
  • MLOps 23 Settembre 2021

Categorie

  • italiano (45)
    • Deep Learning (18)
    • Frameworks IT (3)
    • Gennaio 2018 – Roma (1)
    • ITA-Course (1)
    • Keras IT (1)
    • Marzo 2018 – Pisa (3)
    • Matematica (2)
    • math it (5)
    • Programming Languages IT (2)
  • Machine Learning IT (7)
  • Meetups (4)
  • Meetups ita (25)
    • Aprile 2018 – Milano (3)
  • news.it (15)
  • ref-books (1)
  • ref-computervision (15)
  • ref-DeepReinforcementLearning (7)
  • ref-naturalLanguageProcess (25)
  • ref-Other (3)
  • Reference (16)
    • Computer Vision (13)
    • Natural Language Processing (3)
  • Scala (1)
  • Senza categoria (14)
© Copyright - DeepLarningItalia 2017 - Powered by Valerio Neri and Andrea Bacciu
  • Linkedin
  • Youtube
  • Facebook
Che cos’è un motore di ricerca? Icone color1 09 Icone color1 09 Tree-Based Machine Learning: Random Forest, Gradient Boosting
Scorrere verso l’alto