要約
現実世界のfactoidやリスト形式の質問は構造が単純であることが多いものの、与えられた知識ベース内の事実と一致させるには、表現面および言語面での高い多様性が課題となる。たとえば、Freebase上で「AppleのCEOは誰か？」という質問に答えるには、「リーダーシップ」という抽象的なエンティティに、3つの関係「役割（role）」「組織（organization）」「人物（person）」と、他の2つのエンティティ「Apple Inc.」および「マネージングディレクター」を対応させる必要がある。近年、この問題に対する学習ベースのアプローチに関する研究が活発化している。本研究では、ランキング学習（learning-to-rank）手法を採用し、最近の研究で無視されがちなエンティティ認識問題を完全に解決することで、この分野の最先端技術をさらに進展させた。本研究で提案するシステム「Aqqu」を、標準的な2つのベンチマークであるFree917およびWebQuestionsで評価した結果、いずれのベンチマークにおいても従来の最高性能を大幅に上回った。これらのベンチマークはそれぞれ異なる課題を示しており、多くの既存手法はいずれか一方のベンチマークに対してのみ評価され、その上で良好な性能を発揮しているにとどまっている。また、効率性の側面にも配慮し、すべての質問に対してインタラクティブな応答（1秒以内の応答）を実現することを重視した。完全な再現性を確保するための資料は、当研究室のウェブサイトにて公開されている：http://ad.informatik.uni-freiburg.de/publications。