Hai Dang Tran nach der Verteidigung seiner Dissertation mit seinen Betreuern Gerhard Weikum (zweiter von links) und Andrew Yates (dritter von rechts). Foto: MPI-INF.
Am 18. Juli verteidigte Hai Dang Tran erfolgreich seine Dissertation mit dem Titel "Incorporating Knowledge about Entities in Conversational Search". Hai Dang Tran arbeitet seit Februar 2021 an der Universität des Saarlandes und am Max-Planck-Institut für Informatik als Doktorand unter der Leitung von Prof. Andrew Yates und Prof. Gerhard Weikum. Er war Mitglied der Saarbrücker Graduate School of Computer Science und der International Max Planck Research School. Sein Doktortitel wurde von der Universität des Saarlandes verliehen.
Der Abstract der Dissertationsschrift:
Obwohl Sprachmodelle (Language Models = LMs) auf riesigen Datenmengen trainiert sind, fällt es ihnen schwer, Informationen über Entitäten vollständig zu erfassen. Dieses Problem zeigt sich besonders deutlich bei sogenannten Long-Tail-Entitäten, die in Wissensbanken nur spärlich vertreten oder gar nicht enthalten sind. Moderne Information-Retrieval-Methoden (IR) basieren auf Sprachmodellen und haben daher Schwierigkeiten, Fragen zu Long-Tail-Entitäten zu interpretieren. Um diese Lücke zu schließen, schlagen wir vor, Wissen über Entitäten in LM-basierte Modelle zu integrieren. Unsere erste IR-Methode, EVA, begegnet der Herausforderung durch Expansion von Textinhalten mit verschiedenen Sichten auf die darin erwähnten Entitäten. Unsere zweite Methode, CONSENT, widmet sich den Herausforderungen der Kontextualisierung und dem Umgang mit informellen Fragen in Konversationen. Unsere dritte Methode, EECATS, zielt darauf ab, drei Herausforderungen gleichzeitig zu bewältigen: die Kontextualisierung von Fragen, den Umgang mit Long-Tail-Entitäten in Konversationen und die Effizienz für nteraktive Antworten.