Extractive Question Answering for Kazakh Language

2023

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/sist58284.2023.10223508
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This article provides research and development of an extractive question answering system based on the BERT-like model for the Kazakh language. Developing an extractive question answering system requires large training datasets - tens of thousands of annotated question-answer pairs. Such datasets are not available in the majority of languages, including Kazakh. To address this issue, the Kazakh Question Answering Dataset (KazQA) is introduced, which is based on the Stanford Question Answering Dataset (SQuAD) and generated through machine translation using the Google Cloud Translation API. Different large pretrained contextual language models are used as the baseline models - ALBERT and multilingual BERT and are compared with the newly trained monolingual Kazakh model KazBERT. The results demonstrate that the proposed approach can effectively generate question answering systems in low-resourced Kazakh language.