Version 1 (modified by 11 years ago) (diff) | ,
---|
Simple Question Answering Database (SQAD)
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.
Zadání lingvistického úkolu IB030
Cílem je vytvořit část výše zmíněné databáze. Každý student vypracuje 300 otázek. Následují pokyny k vypracování otázek.
- zdrojem otázek a odpovědí bude česká wikipedie (libovolné stránky)
- odpověď na otázku musí vyplývat z krátkého souvislého kusu textu (max. 3 po sobě jdoucí věty) z wikipedie
- formát výstupu bude textový soubor (ne Word!) v kódování UTF-8, jedna otázka zabere 4 řádky:
- 1. řádek: otázka
- 2. řádek: odpověď
- 3. řádek: text, ze kterého odpověď vyplývá (max. 3 věty)
- 4. řádek: URL wiki stránky, na které byl text nalezen
- následuje prázdný řádek, který odděluje otázky mezi sebou
- odpověď na otázku musí být nejkratší možná tak, aby byla zcela správná (většinou 1 jmenná fráze, téměř nikdy celá věta nebo souvětí)
- v případě více správných odpovědí je možno uvést všechny na 1 řádku oddělené mřížkou (#)
- otázky mohou být i velmi jednoduché
- odpověď musí být buď ano/ne, nebo musí být obsažena v textu, něhož vyplývá
- otázek s odpovědí ano/ne musí být max. 30 procent
- otázky musí mít jednoznačnou odpověď ("Co je to Amerika" je špatná otázka)
Pozitivní příklady:
Ze kterého roku pochází nejprodávanější fotografická publikace z první republiky? 1933 Paradoxně – amatér Karel Čapek byl autorem nejprodávanější fotografické publikace období první republiky. Dášeňka čili Život štěněte z roku 1933 vyšla v několika desítkách vydání. http://cs.wikipedia.org/wiki/Karel_%C4%8Capek Která Dvořákova symfonie doletěla na Měsíc? Symfonie č.9, e-moll # Novosvětská # Z Nového světa 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. http://cs.wikipedia.org/wiki/Symfonie_%C4%8D._9_(Dvo%C5%99%C3%A1k) Je Nový svět vesnice? ano Nový Svět je vesnice, část městyse Dolní Cerekev v okrese Jihlava. http://cs.wikipedia.org/wiki/Nov%C3%BD_Sv%C4%9Bt_(Doln%C3%AD_Cerekev) Z kolika států se skládají USA? 50 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). http://cs.wikipedia.org/wiki/Spojen%C3%A9_st%C3%A1ty_americk%C3%A9 Kde se narodil Karel Čapek? v Malých Svatoňovicích PhDr. Karel Čapek (9. ledna 1890, Malé Svatoňovice – 25. prosince 1938, Praha) byl český spisovatel, intelektuál, novinář, dramatik, překladatel a fotograf. Narodil se v Malých Svatoňovicích v rodině lékaře Antonína Čapka.
Negativní příklady:
Z kolika států se skládají USA? Spojené státy se skládají z 50 států 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). [příliš dlouhá odpověď] Co je to Nový Svět? vesnice Nový Svět je vesnice, část městyse Dolní Cerekev v okrese Jihlava. [odpověď není úplná -- Nový Svět má více významů a kompletní odpověď není odvoditelná z krátkého kusu textu]