Encuesta de Respuestas a Preguntas: Direcciones, Desafíos, Conjuntos de Datos, Matrices de Evaluación

El uso y la cantidad de información disponible en internet han aumentado en la última década. Esta digitalización lleva a la necesidad de un sistema de respuesta automatizado para extraer información útil de fuentes de conocimiento redundantes y transitorias. Estos sistemas están diseñados para proporcionar la respuesta más prominente de esta enorme fuente de conocimiento a la consulta del usuario utilizando comprensión del lenguaje natural (NLU) y, por lo tanto, dependen eminentemente del campo de Respuestas a Preguntas (QA). La respuesta a preguntas implica, pero no se limita a, los pasos como la asignación de la pregunta del usuario a la consulta pertinente, la recuperación de información relevante, la búsqueda de la respuesta más adecuada de la información recuperada, etc. La actual mejora de los modelos de aprendizaje profundo demuestra un notable aumento en el rendimiento en todas estas tareas. En este trabajo de revisión, se analizan las direcciones de investigación del campo de QA basándose en el tipo de pregunta, tipo de respuesta, fuente de evidencia-respuesta y enfoque de modelado. Este detalle se complementa con los desafíos abiertos del campo como la generación automática de preguntas, detección de similitudes y baja disponibilidad de recursos para un idioma. Al final, se presenta una encuesta de conjuntos de datos disponibles y medidas de evaluación.