Probabilistic relaxed unification formalism and its application in question answering
Notice bibliographique
Résumé
We explore the problem of graph unification of mismatched graphs. One of the assumptions of classical unification is that the knowledge base is complete and accurate, which seldom applies to the real world. We present relaxed unification as an alternative approach where the assumptions of classical unification are relaxed. Relaxed unification replaces the binary success or failure outcome of classical unification with a real number quantifying the correctness of the result. We provide a theoretical framework for relaxed unification by defining the relaxed unification formalism and present an algorithm for relaxed unification. We extend the formalism to probabilistic relaxed unification and devise an evaluation function that assigns correctness value to the result of the unification based on random walks in finite Markov chains. We present a modular framework for question answering and realize it in the implementation of a Relaxed Unification Question Answering system prototype. The system relies on the Jellyfish question answering system for question analysis and extraction of candidate answer. Retrieval of relevant documents is handled by the Apache Lucene retrieval engine. A semantic representation of the question and the candidate answers is produced using DELPH-IN tools and resource. Finally, the Relaxed Unification Module unifies the semantic representation of the candidate answers with that of the question, evaluates the correctness of the results, and ranks the final answers accordingly. Our approach is empirically validated through a series of cases drawn from real world questions and data collection. The validation cases substantiate that our system provides satisfactory results on the chosen dataset within the system limitations. They provide a detailed walkthrough of the system operation, demonstrate the granularity of the correctness function, present a method for incorporating a word similarity measure in the computation of the correctness function, and demonstrate the system limitations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,013 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».