| Sumario: | En la Validación de Respuestas se valora la corrección de las soluciones generadas por un sistema de Búsqueda de Respuestas. Se trata de decidir si las respuestas a una pregunta son apropiadas de acuerdo con los contenidos de un texto determinado. Apenas hay evidencia de que esta funcionalidad esté siendo implementada a partir de modelos de Aprendizaje Profundo y, aún menos, por medio de redes neuronales que incorporen mecanismos atencionales, como en los modelos Transformer. Las técnicas de Aprendizaje Profundo y, en particular, los modelos Transformer, han adquirido gran relevancia en prácticamente todas las áreas del Procesamiento del Lenguaje Natural debido a sus cualidades y rendimiento. En este trabajo proponemos el uso de modelos Transformer en la implementación de subsistemas que utilicen la Implicación Textual para realizar tareas de Validación de Repuestas. Los modelos implementados se evalúan sobre los conjuntos de datos de prueba desarrollados durante los ejercicios del Answer Validation Exercise (AVE). Los resultados obtenidos en las evaluaciones indican que estos modelos pueden ofrecer rendimientos superiores a los de las técnicas probadas durante los AVE por lo que deben ser considerados métodos adecuados para llevar a cabo labores de Validación de Respuestas.
|
|---|
