Page 87 - My FlipBook
P. 87
Brochure 2020
我們的研究將著重在下列議題：（1）如何通過語用推論來導引用戶快速找到特定答案。（2）
如何通過多段搜尋 (multi-hop search) 來尋找散佈在各種文本上的相關段落。（3）如何添
加及利用從不同的外部知識庫（例如 Freebase，Wikidata 等）中提取的中間線索。（4）如
何從 WordNet / ConceptNet 提取外部知識（例如普通常識、領域知識等），以增強多段推
論能力。（5）如何處理自然語音，並緊密耦合文本處理和語音識別模組。
在本專案的第一年（2020 年），我們將基於預先提取的維基百科頁面，完成一個特定領域
的基準系統。預期完成下列項目：（1）設計一個統一的框架，以整合各種尋求答案的機制，
（2）設計各種答案生成模組以模仿人類推理過程，以及（3）利用語音和文本線索，將文
本處理和語音識別模組緊密耦合。
在本專案的第二年（2021 年），我們將完成可在多領域中進行多段推論的系統。預期完成
下列項目：（1）以多段搜索演算法，獲取散佈在不同文本上的相關支持證據，（2）將一
個複雜的問題分解為一系列簡單的問題，（3）根據提取的支持證據進行多段推論，（4）
進行領域調適 (domain adaptation)，以及（5）檢測並消除自發性語音中重複及不流暢的部
分，以改善自然語音識別。
在本專案的最後一年（2022 年），我們將完成一個開放領域系統，能夠以增強的常識推理
能力，同時處理維基百科頁面和其他在線文本。預期完成下列項目：（1）可根據普通常識
進行推理（將引入適當的中間目標），（2）在對話管理系統中進行語用推理，（3）增強
可解釋性（即產生相關的推論過程），以及（4）藉由對抗性學習 (adversarial learning) 來
增強自然語音識別的強健能力 (robustness)。
為了展示我們所提出做法的優勢，我們將持續參加由科技部主辦的「科技大擂台： 與 AI
對話」競賽、以及國際上知名的機器閱讀問答競賽 (Machine Reading for QA (MRQA) shared
task)。
85
我們的研究將著重在下列議題：（1）如何通過語用推論來導引用戶快速找到特定答案。（2）
如何通過多段搜尋 (multi-hop search) 來尋找散佈在各種文本上的相關段落。（3）如何添
加及利用從不同的外部知識庫（例如 Freebase，Wikidata 等）中提取的中間線索。（4）如
何從 WordNet / ConceptNet 提取外部知識（例如普通常識、領域知識等），以增強多段推
論能力。（5）如何處理自然語音，並緊密耦合文本處理和語音識別模組。
在本專案的第一年（2020 年），我們將基於預先提取的維基百科頁面，完成一個特定領域
的基準系統。預期完成下列項目：（1）設計一個統一的框架，以整合各種尋求答案的機制，
（2）設計各種答案生成模組以模仿人類推理過程，以及（3）利用語音和文本線索，將文
本處理和語音識別模組緊密耦合。
在本專案的第二年（2021 年），我們將完成可在多領域中進行多段推論的系統。預期完成
下列項目：（1）以多段搜索演算法，獲取散佈在不同文本上的相關支持證據，（2）將一
個複雜的問題分解為一系列簡單的問題，（3）根據提取的支持證據進行多段推論，（4）
進行領域調適 (domain adaptation)，以及（5）檢測並消除自發性語音中重複及不流暢的部
分，以改善自然語音識別。
在本專案的最後一年（2022 年），我們將完成一個開放領域系統，能夠以增強的常識推理
能力，同時處理維基百科頁面和其他在線文本。預期完成下列項目：（1）可根據普通常識
進行推理（將引入適當的中間目標），（2）在對話管理系統中進行語用推理，（3）增強
可解釋性（即產生相關的推論過程），以及（4）藉由對抗性學習 (adversarial learning) 來
增強自然語音識別的強健能力 (robustness)。
為了展示我們所提出做法的優勢，我們將持續參加由科技部主辦的「科技大擂台： 與 AI
對話」競賽、以及國際上知名的機器閱讀問答競賽 (Machine Reading for QA (MRQA) shared
task)。
85
