استفاده از رگرسیون غیرخطی و ویژگی‌های آماری جهت ارزیابی سیستم های (interactive question answering (iqa

عدم امکان پیش گویی بخش تعاملی، مشکل اصلی در ارزیابی سیستم های پرسش و پاسخ تعاملی است. به همین منظور، باید انسان در فرآیند ارزیابی شرکت داشته باشد. در این مقاله با معرفی مجموعه‌ای از ویژگی‌های ایجاد شده بر اساس n-گرم‌ها و بزرگترین رشته مشترک، یک مدل آماری مناسب برای ارزیابی سیستم‌های پرسش و پاسخ تعاملی ارائه شده است. در ابتدا با استفاده از چهار سیستم پرسش و پاسخ تعاملی موجود، پایگاه داده‌ای از مکالمات رد و بدل شده بین کاربران و سیستم‌ها ایجاد گردید. از بین مکالمات تولید شده، تعداد 540 نمونه به عنوان داده مناسب در نظر گرفته شد تا مجموعه تست و آموزش بر اساس آن ایجاد گردد. سپس بر روی مکالمات، پیش پردازش صورت پذیرفت و بر اساس روابط تعریف شده، تعدادی ویژگی‌ آماری جدید از متن مکالمه‌ها استخراج و بر اساس آن ماتریس ویژگی تشکیل گردید. با توجه به تعداد بالای ویژگی های پیشنهادی و برای جلوگیری از برازش خطا، بهترین ویژگی ها با استفاده از روش حذف ویژگی به روش بازگشتی انتخاب گردید تا مدل پیشنهادی بر اساس ویژگی های باقیمانده شکل گیرد. در نهایت با استفاده از رگرسیون به پیش بینی نظرات انسانی پرداخته شد که رگرسیون غیرخطی توانی بر اساس معیار مجذور کمترین مربع خطا به میزان 15/0 بهترین مدل را ارائه نمود