Dans des situations comme celle-ci, d`autres mots dans la question doivent être pris en considération. Un autre projet a été LILOG, un système de texte-compréhension qui a fonctionné sur le domaine de l`information touristique dans une ville allemande. La phrase est ensuite transformée en requête par sa forme logique. Encore une fois, la force de ce système a été le choix d`un domaine très spécifique et un monde très simple avec des règles de la physique qui ont été faciles à coder dans un programme informatique. Un exemple d`un tel système a été le consultant UNIX (UC), développé par Robert Wilensky à U. Chacun de ces mots peut représenter plus d`un type. Nous utilisons souvent des questions de suivi lorsque nous écoutons, pour montrer que nous sommes intéressés ou surpris. Avoir l`entrée sous la forme d`une question de langage naturel rend le système plus convivial, mais plus difficile à mettre en œuvre, car il existe différents types de questions et le système devra identifier le bon afin de donner une réponse sensée. Les questions de suivi sont formées à l`aide du verbe auxiliaire ou du verbe modal contenu dans l`instruction à laquelle la question répond. Une fois que le type de question a été identifié, un système de récupération de l`information est utilisé pour trouver un ensemble de documents contenant les mots clés corrects. Vérifiez si la réponse est du type correct tel que déterminé dans l`étape d`analyse du type de question. La première chose à faire est de trouver les mots qui peuvent indiquer le sens de la question. Terry Winograd à la fin des années 60 et au début des années 70.
Au 2001, les systèmes d`AQ comprenaient généralement un module de classifieur de questions qui détermine le type de question et le type de réponse. Le système prend une question de langage naturel comme une entrée plutôt que d`un ensemble de mots clés, par exemple, «quand est la journée nationale de la Chine? Berkeley à la fin des années 1980. La technique d`inférence peut également être utilisée pour valider les réponses des candidats. Deux premiers systèmes d`AQ étaient le BASEBALL [3] et le LUNAR. Il est donc logique que les plus grandes tailles de collection prêtent généralement bien à une meilleure performance QA, à moins que le domaine de question est orthogonale à la collection. Le système a répondu aux questions relatives au système d`exploitation UNIX. Il possédait une base de connaissances complète à la main de son domaine, et visait à formuler la réponse pour accommoder différents types d`utilisateurs. Nous réduisons souvent WH-questions dans la conversation parce que l`orateur et l`auditeur connaissent le contexte. Dans certains cas, il y a des mots clairs qui indiquent directement le type de question. Il existe un certain nombre de systèmes de réponse aux questions conçus dans Prolog, [10] un langage de programmation logique associé à l`intelligence artificielle.
La réponse renvoyée se présente sous la forme de textes courts plutôt que d`une liste de documents pertinents. En 2002, un groupe de chercheurs a présenté un rapport inédit et largement inédit en tant que document de soutien financier, dans lequel ils décrivent une feuille de route de cinq ans de recherche actuelle à l`état du champ de réponse de question à ce moment-là. L`extraction de mots clés est la première étape pour identifier le type de question d`entrée. Facebook Research a rendu son système DrQA [18] disponible sous une licence Open source. Dans l`exemple ci-dessus, le mot «when» indique que la réponse doit être de type «date». Pour quoi faire? Comment, pourquoi, hypothétique, sémantiquement contraint, et les questions translinguales. Beaucoup d`enfants ont quitté l`école tôt. Seuls les paragraphes pertinents sont sélectionnés pour le classement. Les deux systèmes QA ont été très efficaces dans leurs domaines choisis. Ces systèmes experts ressemblaient étroitement aux systèmes modernes d`AQ, sauf dans leur architecture interne.
Pour des questions telles que «Who» ou «Where», un Reconnaisseur d`entité nommée est utilisé pour trouver les noms «personne» et «emplacement» pertinents à partir des documents récupérés. Plus communément, les systèmes QA peuvent tirer des réponses d`une collection non structurée de documents en langage naturel.