Software architecture of the question-answering subsystem with elements of self-learning

Simple item page
dc.contributor.authorHlybovets, Andrii
dc.contributor.authorTsaruk, A.
dc.date.accessioned2022-03-29T17:47:15Z
dc.date.available2022-03-29T17:47:15Z
dc.date.issued2021
dc.description.abstractWithin the framework of this paper, the analysis of software systems of question-answering type and their basic architectures has been carried out. With the development of machine learning technologies, creation of natural language processing (NLP) engines, as well as the rising popularity of virtual personal assistant programs that use the capabilities of speech synthesis (text-to-speech), there is a growing need in developing question-answering systems which can provide personalized answers to users' questions. All modern cloud providers proposed frameworks for organization of question answering systems but still we have a problem with personalized dialogs. Personalization is very important, it can put forward additional demands to a question-answering system’s capabilities to take this information into account while processing users’ questions. Traditionally, a question-answering system (QAS) is developed in the form of an application that contains a knowledge base and a user interface, which provides a user with answers to questions, and a means of interaction with an expert. In this article we analyze modern approaches to architecture development and try to build system from the building blocks that already exist on the market. Main criteria for the NLP modules were: support of the Ukrainian language, natural language understanding, functions of automatic definition of entities (attributes), ability to construct a dialogue flow, quality and completeness of documentation, API capabilities and integration with external systems, possibilities of external knowledge bases integration After provided analyses article propose the detailed architecture of the question-answering subsystem with elements of self-learning in the Ukrainian language. In the work you can find detailed description of main semantic components of the system (architecture components).en_US
dc.description.abstractУ рамках даної роботи проведено аналіз програмних систем запитально-відповідного типу та їх базових архітектур. З розвитком технологій машинного навчання, створенням механізмів обробки природної мови (NLP), а також зростанням популярності віртуальних персональних помічників, які використовують можливості синтезу мовлення (перетворення тексту в мовлення), зростає потреба в розробці питально-відповідальних систем, які можуть вести персоналізований діалог з користувачем. Усі сучасні хмарні провайдери запропонували фреймворки для побудови питально-відповідальних систем, але ми все ще маємо проблему з персоналізованими діалогами на основі баз знань. Персоналізація дуже важлива, вона може висувати додаткові вимоги до архітектури системи при веденні діалогу з користувачем. Традиційно систему запитань-відповідей (QAS) розробляють у вигляді програми, що містить базу знань та інтерфейс користувача, що надає користувачеві відповіді на запитання, і засіб взаємодії з експертом. У цій статті ми аналізуємо сучасні підходи до розробки архітектури та намагаємося побудувати систему з блоків, які вже існують на ринку. Основними критеріями при обранні модулів NLP були: підтримка української мови, розуміння природної мови, функції автоматичного визначення сутностей (атрибутів), здатність побудови діалогового потоку, якість і повнота документації, можливості API та інтеграція із зовнішніми системами, можливості інтеграції зовнішніх баз знань. Після проведеного аналізу в статті пропонується детальна архітектура питально-відповідальної підсистеми з елементами самонавчання українською мовою. У роботі ви знайдете детальний опис основних семантичних компонентів системи (компонентів архітектури).uk_UA
dc.identifier.citationHlybovets A. Software architecture of the question-answering subsystem with elements of self-learning / A. Hlybovets, A. Tsaruk // Штучний інтелект. - 2021. - № 2. - С. 88-95. - https://doi.org/10.15407/jai2021.02.088uk_UA
dc.identifier.issn2710-1673
dc.identifier.issn2710-1681
dc.identifier.urihttps://doi.org/10.15407/jai2021.02.088
dc.identifier.urihttps://ekmair.ukma.edu.ua/handle/123456789/22864
dc.language.isoenuk_UA
dc.relation.sourceШтучний інтелектuk_UA
dc.statusfirst publisheden_US
dc.subjectquestion-answering systemsen_US
dc.subjectchatbotsen_US
dc.subjectGoogle Dialogflowen_US
dc.subjectself learningen_US
dc.subjectsoftware architectureen_US
dc.subjectarticleen_US
dc.subjectпитально відповідальні системиuk_UA
dc.subjectчат-ботuk_UA
dc.subjectGoogle Dialogflowuk_UA
dc.subjectсамонавчанняuk_UA
dc.subjectархітектура програмного застосункуuk_UA
dc.titleSoftware architecture of the question-answering subsystem with elements of self-learningen_US
dc.title.alternativeАрхітектура програмного застосунку питально-відповідальної підсистеми з елементами самонавчанняuk_UA
dc.typeArticleen_US
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Software_architecture_of_the_question-answering_subsystem_with_elements_of_self-learning.pdf
Size:
422.64 KB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
7.54 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Кафедра мережних технологій