• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>4th BioASQ workshop 2016: a challenge on large-scale biomedical semantic indexing and question answering >KSAnswer: Question-answering System of Kangwon National University and Sogang University in the 2016 BioASQ Challenge
【24h】

KSAnswer: Question-answering System of Kangwon National University and Sogang University in the 2016 BioASQ Challenge

机译：KSAnswer：在2016年BioASQ挑战中，江原大学和西江大学的问答系统

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper describes a question-answering system that returns relevant documents and snippets (with particular emphasis on snippets) from a large medical document collection. The system is implemented as part of our participation to Phase A of Task 4b in the 2016 BioASQ Challenge. The proposed system retrieves candidate answer sentences using a cluster-based language model. Then, it re-ranks the retrieved top-n sentences using five independent similarity models based on shallow semantic analysis. The experimental results show that the proposed system is the first to find snippets in batches 2 (MAP 0.0604), 3 (MAP 0.0728), 4 (MAP 0.1182), and 5 (MAP 0.1187).
机译：本文描述了一个问答系统，该系统从大量医疗文档集中返回相关文档和摘要（尤其是摘要）。该系统的实施是我们参加2016年BioASQ挑战任务4b的A阶段的一部分。所提出的系统使用基于簇的语言模型来检索候选答案句子。然后，它基于浅层语义分析，使用五个独立的相似性模型对检索到的前n个句子进行重新排序。实验结果表明，该系统是第一个在批次2（MAP 0.0604），3（MAP 0.0728），4（MAP 0.1182）和5（MAP 0.1187）中发现摘要的系统。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号