WO2025229603 - IMPROVING INFORMATION RETRIEVAL IN MACHINE LEARNING QUESTION ANSWERING SYSTEMS
National phase entry is expected:
Publication Number
WO/2025/229603
Publication Date
06.11.2025
International Application No.
PCT/IB2025/054602
International Filing Date
01.05.2025
Title **
[English]
IMPROVING INFORMATION RETRIEVAL IN MACHINE LEARNING QUESTION ANSWERING SYSTEMS
[French]
AMÉLIORATION DE L'EXTRACTION D'INFORMATIONS DANS DES SYSTÈMES DE RÉPONSE À DES QUESTIONS D'APPRENTISSAGE MACHINE
Applicants **
VAHDAT, Ali Reza
ALINEJAD, Ashkan
Inventors
VAHDAT, Ali Reza
ALINEJAD, Ashkan
Priority Data
63/641,324
01.05.2024
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Natural Person
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| Translation |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 2283 | |
| EPO | Filing, Examination, Granting | 8294 | |
| Japan | Filing, Examination, Granting | 2329 | |
| South Korea | Filing, Examination, Granting | 2359 | |
| USA | Filing, Examination, Granting | 4740 |
Total:
20,005
Contact Us
Abstract[English]
Evaluating and improving information retrieval in question-answering systems is an area of importance in machine learning growth. Retrieval components in a retrieval-augmented generation (RAG) question answering system enable machine learning models to provide more accurate and reliable answers to questions. Systems for retriever evaluation involve processing queries in comparison to reference documents. The system first retrieves documents deemed relevant, then generates a first answer based on them. A second answer is generated using a set of documents that includes ground truth documents known to be relevant to the query. By analyzing semantic overlap between these responses, a quantitative evaluation of the retrieval component is obtained. This evaluation then informs automatic modifications to retrieval parameters, enhancing future document selection and response accuracy.[French]
L'évaluation et l'amélioration de l'extraction d'informations dans des systèmes de réponse à des questions sont une zone d'importance dans la croissance par apprentissage machine. Des composants d'extraction dans un système de réponse à une question de génération augmentée par extraction (RAG) permettent à des modèles d'apprentissage machine de fournir des réponses plus précises et fiables à des questions. Des systèmes d'évaluation d'extraction impliquent le traitement d'interrogations par rapport à des documents de référence. Le système extrait d'abord des documents jugés pertinents, puis génère une première réponse sur la base de ceux-ci. Une seconde réponse est générée à l'aide d'un ensemble de documents qui comprend des documents de réalité de terrain connus pour être pertinents pour l'interrogation. En analysant un chevauchement sémantique entre ces réponses, une évaluation quantitative du composant d'extraction est obtenue. Cette évaluation informe ensuite des modifications automatiques de paramètres d'extraction, améliorant la sélection future de documents et la précision de réponse.