Tesis Doctoral Sistemas de clasificación de preguntas basados - gplsi

2.3. La clasificación automática de preguntas
What {is|are} ?
What is the definition of ?
Who {is|was|are|were} ?
Figura 2.1: Conjunto de patrones para la detección de preguntas de tipo definición.
nos pueden hacer, siendo el conjunto de clases posibles normalmente más
limitado que en sistemas de dominio abierto. 13 Algunos tipos de pregunta
son especialmente propicios para esta aproximación. Por ejemplo, preguntas
que requieren por respuesta una fecha de nacimiento pueden ser reconocidas
de forma rápida usando apenas seis reglas bien construidas (Greenwood,
2005).
En general, las expresiones regulares funcionan bien para preguntas
estándar (“¿Cuánto cuesta un litro de gasolina?”) pero funcionan peor
cuando nos desviamos de este estándar (“Me gustaría sabe cuánto me puede
costar un litro de gasolina”). La figura 2.1 muestra un ejemplo de reglas
manuales empleadas en un sistema de CP para el inglés (Pa¸sca y Harabagiu,
2001) que permite la detección de preguntas de tipo definición. Algunas
preguntas capturadas por estos patrones serían “What is platinum?”o “Who
is Barbara Jordan?”.
Existen dos limitaciones principales en los sistemas basados en reglas
manuales. El primer problema es la cantidad de trabajo necesario para
formular patrones eficientes que capturen todos los posibles tipos de
pregunta. Tal y como indicábamos en la sección 2.2, el lenguaje humano
permite utilizar numerosas variantes lingüísticas para expresar una misma
idea. La figura 2.2 presenta diferentes reformulaciones de una misma
pregunta. A todas estas reformulaciones se les debería asignar la misma
clase semántica ya que todas ellas hacen referencia al mismo concepto (un
lugar). El empleo de diferentes términos y estructuras sintácticas dificultan
a un clasificador basado en un conjunto pequeño de reglas la tarea de
generalizar de forma adecuada. Esto resulta cierto incluso si se emplean bases
de conocimiento externo para crear patrones más generales (Harabagiu et
al., 2000; Hermjakob, 2001). Más aún, las reglas manuales ofrecen una baja
cobertura debido a la amplia variedad de formas posibles en las que puede
manifestarse una misma pregunta, resultando difícil su mantenimiento a
medida que el número de estas crece.
La segunda limitación es la falta de flexibilidad debido a la dependencia
del idioma y el dominio. El cambio de idioma de trabajo, un cambio en el
campo de aplicación o la inclusión de nuevos tipos de pregunta, conlleva
generalmente la revisión y posible redefinición de las reglas y heurísticas
planteadas inicialmente en el sistema. Las reglas manuales que funcionan
13 En dominio abierto u open domain las preguntas pueden versar sobre cualquier tema.
23