Dados estruturados e inferência no DeepQA

Embora a maioria da análise de evidências no DeepQA esteja focada em informações não estruturadas (por exemplo, documentos em linguagem natural), vários componentes no sistema DeepQA utilizam dados estruturados (por exemplo, bancos de dados, bases de conhecimento e ontologias) para gerar respostas candidatas potenciais ou encontrar evidências adicionais. A análise de dados estruturados é um complemento natural aos métodos não estruturados, pois normalmente abrange um intervalo mais estreito de perguntas, mas é mais precisa dentro desse intervalo. Além disso, dados estruturados que possuem semântica formal são suscetíveis a técnicas de raciocínio lógico que podem ser utilizadas para fornecer evidências implícitas. O sistema DeepQA não contém um único módulo monolítico de dados estruturados; em vez disso, permite que diferentes componentes utilizem e integrem dados estruturados e semiestruturados, com diferentes graus de expressividade e especificidade formal. Este artigo é uma pesquisa sobre os componentes do DeepQA que utilizam dados estruturados. As áreas em que as evidências de fontes estruturadas têm maior impacto incluem a tipificação de respostas, a aplicação de restrições geoespaciais e temporais, e o uso de conhecimento a priori formalmente codificado sobre tipos de entidades que aparecem comumente, como países e presidentes dos EUA. Apresentamos detalhes dos componentes apropriados e demonstramos seu impacto de ponta a ponta no sistema IBM Watson™.