| 1 | = Simple Question Answering Database (SQAD) = |
| 2 | |
| 3 | Cílem projektu je vytvoření databáze pro testování a vyhodnocování aplikace odpovídání na otázky (question answering). V současné fázi se zaměřujeme na vytvoření databáze jednodušších otázek, které jsou řešitelné s využitím současných nástrojů pro zpracování přirozeného jazyka. |
| 4 | |
| 5 | |
| 6 | == Zadání lingvistického úkolu IB030 == |
| 7 | |
| 8 | Cílem je vytvořit část výše zmíněné databáze. Každý student vypracuje 300 otázek. Následují pokyny k vypracování otázek. |
| 9 | |
| 10 | |
| 11 | - zdrojem otázek a odpovědí bude česká wikipedie (libovolné stránky) |
| 12 | - odpověď na otázku musí vyplývat z krátkého souvislého kusu textu (max. 3 po sobě jdoucí věty) z wikipedie |
| 13 | - formát výstupu bude textový soubor (ne Word!) v kódování UTF-8, jedna otázka zabere 4 řádky: |
| 14 | - 1. řádek: otázka |
| 15 | - 2. řádek: odpověď |
| 16 | - 3. řádek: text, ze kterého odpověď vyplývá (max. 3 věty) |
| 17 | - 4. řádek: URL wiki stránky, na které byl text nalezen |
| 18 | - následuje prázdný řádek, který odděluje otázky mezi sebou |
| 19 | - odpověď na otázku musí být nejkratší možná tak, aby byla zcela správná (většinou 1 jmenná fráze, téměř nikdy celá věta nebo souvětí) |
| 20 | - v případě více správných odpovědí je možno uvést všechny na 1 řádku oddělené mřížkou (#) |
| 21 | - otázky mohou být i velmi jednoduché |
| 22 | - odpověď musí být buď ano/ne, nebo musí být obsažena v textu, něhož vyplývá |
| 23 | - otázek s odpovědí ano/ne musí být max. 30 procent |
| 24 | - otázky musí mít jednoznačnou odpověď ("Co je to Amerika" je špatná otázka) |
| 25 | |
| 26 | |
| 27 | '''Pozitivní příklady:''' |
| 28 | |
| 29 | {{{ |
| 30 | |
| 31 | Ze kterého roku pochází nejprodávanější fotografická publikace z první republiky? |
| 32 | 1933 |
| 33 | Paradoxně – amatér Karel Čapek byl autorem nejprodávanější fotografické publikace období první republiky. Dášeňka čili Život štěněte z roku 1933 vyšla v několika desítkách vydání. |
| 34 | http://cs.wikipedia.org/wiki/Karel_%C4%8Capek |
| 35 | |
| 36 | |
| 37 | Která Dvořákova symfonie doletěla na Měsíc? |
| 38 | Symfonie č.9, e-moll # Novosvětská # Z Nového světa |
| 39 | Symfonie č.9, e-moll, op. 95, zvaná též „Novosvětská“ či „Z Nového světa“ (From the New World), Antonína Dvořáka je nejen nejvýznamnější autorovo dílo tohoto typu, ale lze ji zařadit nejen k absolutní špičce hudebního romantismu, ale též k nejlepším dílům světové symfonické tvorby všech dob. Neil Armstrong také vzal její nahrávku na Měsíc, když v roce 1969 Apollo 11 poprvé přistálo na Měsíci. |
| 40 | http://cs.wikipedia.org/wiki/Symfonie_%C4%8D._9_(Dvo%C5%99%C3%A1k) |
| 41 | |
| 42 | |
| 43 | Je Nový svět vesnice? |
| 44 | ano |
| 45 | Nový Svět je vesnice, část městyse Dolní Cerekev v okrese Jihlava. |
| 46 | http://cs.wikipedia.org/wiki/Nov%C3%BD_Sv%C4%9Bt_(Doln%C3%AD_Cerekev) |
| 47 | |
| 48 | |
| 49 | Z kolika států se skládají USA? |
| 50 | 50 |
| 51 | Spojené státy se skládají z 50 států, federálního území s hlavním městem a sídlem vlády a Kongresu (District of Columbia), přidružených států s vnitřní samosprávou (Portoriko, Severní Mariany a další) a samosprávných území Spojených států (Guam, Panenské ostrovy, Americká Samoa a další). |
| 52 | http://cs.wikipedia.org/wiki/Spojen%C3%A9_st%C3%A1ty_americk%C3%A9 |
| 53 | |
| 54 | |
| 55 | Kde se narodil Karel Čapek? |
| 56 | v Malých Svatoňovicích |
| 57 | PhDr. Karel Čapek (9. ledna 1890, Malé Svatoňovice – 25. prosince |
| 58 | 1938, Praha) byl český spisovatel, intelektuál, novinář, dramatik, |
| 59 | překladatel a fotograf. Narodil se v Malých Svatoňovicích v rodině |
| 60 | lékaře Antonína Čapka. |
| 61 | |
| 62 | }}} |
| 63 | |
| 64 | '''Negativní příklady:''' |
| 65 | |
| 66 | {{{ |
| 67 | |
| 68 | Z kolika států se skládají USA? |
| 69 | Spojené státy se skládají z 50 států |
| 70 | Spojené státy se skládají z 50 států, federálního území s hlavním |
| 71 | městem a sídlem vlády a Kongresu (District of Columbia), přidružených |
| 72 | států s vnitřní samosprávou (Portoriko, Severní Mariany a další) a |
| 73 | samosprávných území Spojených států (Guam, Panenské ostrovy, Americká |
| 74 | Samoa a další). |
| 75 | |
| 76 | [příliš dlouhá odpověď] |
| 77 | |
| 78 | Co je to Nový Svět? |
| 79 | vesnice |
| 80 | Nový Svět je vesnice, část městyse Dolní Cerekev v okrese Jihlava. |
| 81 | |
| 82 | [odpověď není úplná -- Nový Svět má více významů a kompletní odpověď |
| 83 | není odvoditelná z krátkého kusu textu] |
| 84 | |
| 85 | }}} |