ترجمه فارسی مقاله توسعه PUGG برای لهستانی: رویکردی مدرن برای ساخت مجموعه داده‌های KBQA، MRC و IR

چکیده

Advancements in AI and natural language processing have revolutionized machine-human language interactions, with question answering (QA) systems playing a pivotal role. The knowledge base question answering (KBQA) task, utilizing structured knowledge graphs (KG), allows for handling extensive knowledge-intensive questions. However, a significant gap exists in KBQA datasets, especially for low-resource languages. Many existing construction pipelines for these datasets are outdated and inefficient in human labor, and modern assisting tools like Large Language Models (LLM) are not utilized to reduce the workload. To address this, we have designed and implemented a modern, semi-automated approach for creating datasets, encompassing tasks such as KBQA, Machine Reading Comprehension (MRC), and Information Retrieval (IR), tailored explicitly for low-resource environments. We executed this pipeline and introduced the PUGG dataset, the first Polish KBQA dataset, and novel datasets for MRC and IR. Additionally, we provide a comprehensive implementation, insightful findings, detailed statistics, and evaluation of baseline models.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت در هوش مصنوعی و پردازش زبان طبیعی باعث تحول در تعامل زبان انسان و انسان شده است که سیستم های پاسخ به سیستم (QA) نقش اساسی دارند.کار پاسخ به سؤال پایه دانش (KBQA) ، با استفاده از نمودارهای دانش ساخت یافته (کیلوگرم) ، امکان رسیدگی به سؤالات گسترده دانش را فراهم می کند.با این حال ، شکاف قابل توجهی در مجموعه داده های KBQA ، به ویژه برای زبانهای کم منبع وجود دارد.بسیاری از خطوط لوله ساخت و ساز موجود برای این مجموعه داده ها در کار انسانی منسوخ و ناکارآمد هستند و ابزارهای کمکی مدرن مانند مدل های بزرگ زبان (LLM) برای کاهش بار کار مورد استفاده قرار نمی گیرند.برای پرداختن به این موضوع ، ما یک رویکرد مدرن و نیمه اتوماتیک را برای ایجاد مجموعه داده ها ، شامل وظایفی مانند KBQA ، درک مطلب در دستگاه (MRC) و بازیابی اطلاعات (IR) طراحی و پیاده سازی کرده ایم ، به طور صریح برای محیط های کم منبع تغذیه شده است.ما این خط لوله را اجرا کردیم و مجموعه داده Pugg ، اولین مجموعه داده های لهستانی KBQA و مجموعه داده های جدید برای MRC و IR را معرفی کردیم.علاوه بر این ، ما یک اجرای جامع ، یافته های روشنگری ، آمار دقیق و ارزیابی مدل های پایه ارائه می دهیم.