“Text-2014-08-19”版本间的差异

2014年8月21日 (四) 06:57的版本

QA Research：

 ProMe: 对我们有帮助的地方有：
   1. Question classification 其中需要注意的是question type的定义
   2. Key-Word extraction
 Leveraging social Q&A collections for improving complex question answering: 对我们有帮助的地方有:
   1. Question type classification.
   2. 依据 question type classification 对 answer 做 re-score.

QA Develop:

 1. Mean value by using word2vec training question treat as baseline.
 2. 先做分类，再做搜索。
 3. Question 分类 ==> Lucene 40 best (加入 word2vec 策略， 加入 translation 策略（ps：邢超完成）) ==> content 分类 （lasso 精确匹配）
 4. 爬去百度知道的数据

晓曦：

 word2vec train 字的vector ==> predict 实体vector （领域可以是公司名称识别）
 王老师提供的思路：
    词的vector 作为baseline
    字的vector <=> 词的vector
              转化为
    选几组词作为测试，看看有没有什么相对靠谱一些的转化思路。
    建议：这周能够使用translation model的结果

Knowledge Vector:

 learning cost fuction ==> Link from wiki
                       ==> 正文的over lap程度（相似度）
                           思路：可以用我们之前做过的text vector 辅助 计算相似度
                       ==> 已经结构化好的模块，比如说wiki中的上下位关系等
          Link 的长度以及深度
          子类在某一程度上聚集在父类的周围

recorded by Chao Xing