返回主题:人机对话系统设计

知识卡片

延伸参考卡 · 5404.b.4

Watson组合候选生成与评分

理解等级:中级

Watson问答案例先识别问题类型和焦点,分解复杂问题,再检索生成候选答案,用多种证据评分并综合排序。它展示检索、语言分析及统计判断的协作,海量知识库本身不等于正确回答。这里只描述2011年竞赛系统及书中机制,不把当时医疗商业化展望当作当前临床能力。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 大数据概述 · 查看原书依据

      “沃森”在接收到主持人的问题后,利用深层语言分析技术分析问题所属于的类型(电影、图书、谜题、地理等),问题的焦点所在,并通过问题分解算法把复杂问题分解为若干简单问题,之后利用搜索技术和自然语言处理技术从海量知识库中产生多个候选答案,根据诸多不同尺度评估这些候选答案匹配问题的程度。IBM研发团队为“沃森”开发的100多套算法可以在3秒内解析问题,检索知识库,然后再筛选出最可能的答案并以人类的语言输出,形成最终答案。

    参考来源

    - 位置:《大数据日知录:架构与算法》0(源文件:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00005.html) - 结论依据:本章实际原文及必要原图;产品与性能描述保留2014年版本范围。校正的官方入口及实际阅读范围见50-root-official.json。 - 原始内容:“沃森”在接收到主持人的问题后,利用深层语言分析技术分析问题所属于的类型(电影、图书、谜题、地理等),问题的焦点所在,并通过问题分解算法把复杂问题分解为若干简单问题,之后利用搜索技术和自然语言处理技术从海量知识库中产生多个候选答案,根据诸多不同尺度评估这些候选答案匹配问题的程度。IBM研发团队为“沃森”开发的100多套算法可以在3秒内解析问题,检索知识库,然后再筛选出最可能的答案并以人类的语言输出,形成最终答案。