Το έργο αποτελεί λύση για το πρόβλημα απάντησης ερωτήσεων στον τομέα της βιοιατρικής. Συγκεκριμένα, όταν ο χρήστης υποβάλει ένα ερώτημα, το σύστημα επιστρέφει τα 10 πιο σχετικά βιοϊατρικά έγγραφα, στη συνέχεια τα 10 πιο πιθανά αποσπάσματα που περιέχουν την απάντηση και, τέλος, την πιο σχετική και ακριβή απάντηση. Το σύστημα αναγνωρίζει τον τύπο της ερώτησης (αν είναι ερώτηση με συγκεκριμένο γεγονός ή ναι/όχι). Η υπομονάδα Factoid QA (Ερώτημα Γεγονότων) βασίζεται σε ένα μοντέλο μάθησης που στηρίζεται στο BERT (Bidirectional Encoder Representations from Transformers), το οποίο είναι ένα ισχυρό μοντέλο αναπαράστασης γλώσσας. Από την άλλη, η υπομονάδα Yes/No QA (Ερώτημα Ναι/Όχι) χρησιμοποιεί ένα μοντέλο μάθησης που ενσωματώνει πληροφορίες συναισθήματος και ELMo (Embeddings from Language Models).

Η υπομονάδα Factoid QA εκμεταλλεύεται τις δυνατότητες του BERT, το οποίο είναι ικανό να κατανοεί τις σχέσεις και το πλαίσιο μεταξύ των λέξεων, γεγονός που επιτρέπει στο σύστημα να ανταποκριθεί αποτελεσματικά σε ερωτήματα που αφορούν συγκεκριμένα γεγονότα ή πληροφορίες, όπως για παράδειγμα «ποιος ανακάλυψε την ασθένεια Α;». Με τη βοήθεια του BERT, το σύστημα μπορεί να εντοπίζει και να ανακτά τα πιο συναφή έγγραφα και αποσπάσματα, βελτιώνοντας σημαντικά την ακρίβεια των απαντήσεων.

Η υπομονάδα Yes/No QA ασχολείται με ερωτήσεις που απαιτούν μία απάντηση τύπου «ναι» ή «όχι». Αυτό το μοντέλο μάθησης ενσωματώνει τις δυνατότητες του ELMo, που προσφέρει δυναμικές, συμφραζόμενες αναπαραστάσεις λέξεων, καθώς και ανάλυση συναισθήματος για να κατανοήσει τις υποκειμενικές διακυμάνσεις της ερώτησης. Για παράδειγμα, ερωτήσεις όπως «Μπορεί αυτό το φάρμακο να θεραπεύσει την ασθένεια Β;» απαιτούν τη δυνατότητα του συστήματος να κατανοήσει τον τόνο της ερώτησης και να παρέχει τη σωστή απάντηση, είτε αυτή είναι «ναι» είτε «όχι». Η ενσωμάτωση συναισθηματικών στοιχείων ενισχύει την ακρίβεια στην κατανόηση των προθέσεων πίσω από τέτοιες ερωτήσεις.

Επιπλέον, το σύστημα βασίζεται σε τεχνικές σημασιολογικής ευρετηρίασης για την αποδοτική και κλιμακούμενη ανάκτηση εγγράφων. Η σημασιολογική ευρετηρίαση επιτρέπει τη γρήγορη και ακριβή αναζήτηση σε μεγάλες βιοϊατρικές βάσεις δεδομένων, διασφαλίζοντας ότι τα έγγραφα που επιστρέφονται είναι τα πιο σχετικά με το εκάστοτε ερώτημα. Μέσω αυτής της τεχνικής, το σύστημα μπορεί να αξιολογεί και να φιλτράρει τα έγγραφα σύμφωνα με τη σημασιολογική τους σύνδεση με το ερώτημα, ανεξαρτήτως του πώς έχουν διατυπωθεί τα κείμενα.

Η δυνατότητα του συστήματος να διακρίνει μεταξύ ερωτήσεων τύπου συγκεκριμένου γεγονότος και ναι/όχι το καθιστά εξαιρετικά ευέλικτο και ικανό να αντιμετωπίσει ένα ευρύ φάσμα ερωτημάτων, παρέχοντας στους χρήστες τόσο λεπτομερείς εξηγήσεις όσο και άμεσες και σαφείς απαντήσεις. Η τεχνολογία που χρησιμοποιείται όχι μόνο επιταχύνει τη διαδικασία αναζήτησης και ανάκτησης πληροφοριών, αλλά εξασφαλίζει ότι η ποιότητα των απαντήσεων παραμένει υψηλή, μειώνοντας ταυτόχρονα τον χρόνο που απαιτείται για την αναζήτηση δεδομένων.

Με αυτόν τον τρόπο, το έργο στοχεύει να βελτιώσει τη διαδικασία εξόρυξης και αξιολόγησης πληροφοριών από μεγάλες βιοϊατρικές βάσεις δεδομένων, ενισχύοντας τη βοήθεια που μπορεί να προσφέρει στους ερευνητές, τους επαγγελματίες υγείας και άλλους ενδιαφερόμενους που χρειάζονται γρήγορη και ακριβή πρόσβαση σε επιστημονικές πληροφορίες. Το σύστημα αποτελεί ένα κρίσιμο εργαλείο στην εποχή της υπερφόρτωσης πληροφοριών, όπου η ικανότητα να βρείτε την σωστή απάντηση σε ένα σύνθετο ερώτημα αποτελεί πρόκληση.