Búsqueda de respuestas multilingüe: ¿es buena idea buscar respuestas en otros idiomas distintos a los de la pregunta?

Abstract

Actualmente existen algunas iniciativas dentro de la tarea de Búsqueda de Respuestas orientadas al desarrollo de sistemas capacitados para encontrar respuestas sobre colecciones multilingües. Esto es, el usuario puede formular su consulta en diversos idiomas, y puede obtener la respuesta a partir de colecciones documentales escritas igualmente en diversos idiomas. Por un lado, para una pregunta dada, buscar en más documentos conlleva más documentos relevantes y por lo tanto mayor probabilidad de encontrar una respuesta satisfactoria. Por otro lado, la multilingualidad requiere necesariamente de un proceso de traducción automática, bien de la consulta, bien de los pasajes relevantes o bien de ambos, con la consiguiente introducción de ruido ¿Hasta qué punto ese ruido distorsiona los resultados? ¿Aportan todas las colecciones monolingües al rendimiento global del sistema multilingüe o por el contrario depende de cómo de bien representado esté ese idioma dentro del sistema multilingüe? En este trabajo hemos encontrado que un sistema de búsquedas de respuestas multilingüe puede superar a uno monolingüe, y que la aportación de cada idioma es desigual, pero en todos los casos es significativa.

Nowadays there are some works in the Question Answering (QA) task that have a multilingual orientation. The user can make questions in several languages, he will obtain the answers in the same language and these answers could be in collections in several languages. On the one hand, a multilingual system requires an automatic translation module to translate the questions, the relevant documents or passages or both, and this translation introduces some noise in the system. How important is the noise? Are all the collections significant to the performance of the QA system? In this work we conclude that a multilingual QA system improves a monolingual one, and the performance of each language is not similar, but it is significant.