Riordinare le risposte dei modelli linguistici di grandi dimensioni con i grafi della conoscenza

Abstract degli autori

Rispondere a domande in linguaggio naturale basandosi sui dati dei grafi della conoscenza è difficile per l’enorme numero di fatti, che possono essere complessi da elaborare e consultare. Una possibile soluzione consiste nell’utilizzare sottografi estratti pertinenti alla domanda, anche se occorre comunque estrarli. Questo studio presenta una soluzione per estrarre, calcolando i cammini più brevi tra le entità, sottografi relativi alle entità candidate di un insieme di domande e risposte ottenibile mediante inferenza con un modello linguistico di grandi dimensioni. Gli approcci proposti descrivono diverse caratteristiche ricavabili dai sottografi e modelli di reranking per selezionare le risposte più probabili da un elenco di candidate. Sono stati condotti esperimenti su Wikidata per valutare l’efficacia degli approcci proposti. Gli esperimenti hanno compreso l’enumerazione di tutti i principali tipi di caratteristiche ricavabili dai sottografi estratti e un’analisi dettagliata delle caratteristiche proposte e delle combinazioni di metodi di reranking. È stata inoltre sviluppata un’applicazione web pubblica che consente di lavorare con i sottografi e offre uno strumento utile per studiare lo spazio del grafo tra le entità delle domande e quelle delle risposte. L’applicazione comprende la visualizzazione del sottografo estratto e la generazione automatica di un testo in linguaggio naturale che lo descrive.