실제 세계의 사실성 질문 또는 목록형 질문은 종종 간단한 구조를 가지고 있지만, 주어진 지식 기반 내의 사실과 매칭하기가 어려운 경우가 많다. 그 이유는 표현 방식과 언어적 다양성이 매우 높기 때문이다. 예를 들어, Freebase에서 "애플의 CEO는 누구인가?"라는 질문에 답하기 위해서는 "리더십"이라는 추상 엔티티와 그에 연결된 세 가지 관계(역할, 조직, 인물) 및 두 개의 다른 엔티티(애플 인크, 운영 이사)와의 매칭이 필요하다. 최근 몇 년간 이러한 문제에 대한 학습 기반 해결 방안에 대한 연구 활동이 크게 증가하였다. 우리는 학습을 통한 순위 매기기(learning-to-rank) 방법을 도입함으로써 기존 기술을 더욱 발전시켰으며, 최근 연구에서 간과되었던 본질적인 엔티티 인식 문제를 완전히 해결하였다.우리가 개발한 시스템인 Aqqu는 두 가지 표준 벤치마크인 Free917과 WebQuestions에서 평가되었으며, 각각의 벤치마크에서 이전 최고 성능을 크게 개선하였다. 이 두 벤치마크는 매우 다른 도전 과제를 보여주며, 기존의 많은 접근 방식은 단지 하나의 벤치마크에서만 평가되었고, 그 경우에만 잘 작동하는 것으로 나타났다. 또한 시스템의 효율성 측면도 고려하여, 모든 질문에 대해 인터랙티브하게(즉, 1초 내에) 답변할 수 있도록 설계하였다. 모든 결과의 재현 가능성을 위해 관련 자료는 우리 웹사이트에서 제공되며, URL은 http://ad.informatik.uni-freiburg.de/publications 이다.