論文の概要: A Survey on Machine Reading Comprehension Systems

• arxiv url: http://arxiv.org/abs/2001.01582v2
• Date: Tue, 20 Oct 2020 20:50:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 02:27:41.157891
• Title: A Survey on Machine Reading Comprehension Systems
• Title（参考訳）: 機械読解システムに関する調査研究
• Authors: Razieh Baradaran, Razieh Ghiasi, and Hossein Amirkhani
• Abstract要約: 本稿では,機械読解システムの様々な側面に関する総合的な調査を行う。 我々は,2016年から2020年までの241件のレビュー論文をもとに,この分野の最近の傾向を概説する。 本研究は,近年,回答抽出から回答生成へと研究の焦点が変化していることを示すものである。
• 参考スコア（独自算出の注目度）: 1.5293427903448022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine reading comprehension is a challenging task and hot topic in natural language processing. Its goal is to develop systems to answer the questions regarding a given context. In this paper, we present a comprehensive survey on different aspects of machine reading comprehension systems, including their approaches, structures, input/outputs, and research novelties. We illustrate the recent trends in this field based on 241 reviewed papers from 2016 to 2020. Our investigations demonstrate that the focus of research has changed in recent years from answer extraction to answer generation, from single to multi-document reading comprehension, and from learning from scratch to using pre-trained embeddings. We also discuss the popular datasets and the evaluation metrics in this field. The paper ends with investigating the most cited papers and their contributions.
• Abstract（参考訳）: 機械読解は自然言語処理において難しい課題でありホットトピックである。 その目標は、与えられたコンテキストに関する質問に答えるシステムを開発することである。 本稿では,機械読解システムにおける様々な側面について,そのアプローチ,構造,入出力,研究ノベルティなどの総合的な調査を行う。 2016年から2020年までの241のレビュー論文に基づいて,この分野の最近のトレンドを解説する。 本研究では,近年研究の焦点が,回答抽出から回答生成,単文書読み解から複数文書読解,スクラッチから学習,事前学習による組込みへと変化したことを示す。 また、この分野の一般的なデータセットと評価メトリクスについても論じる。 論文は、最も引用された論文とその貢献を調査して終わる。

関連論文リスト

• Text Generation: A Systematic Literature Review of Tasks, Evaluation, and Challenges [7.140449861888235]
  このレビューでは、テキスト生成の作業を5つの主要なタスクに分類する。 各タスクについて、関連する特徴、サブタスク、および特定の課題についてレビューする。 近年のテキスト生成論文では,タスクやサブタスクに共通する9つの顕著な課題が報告されている。
  論文  参考訳（メタデータ） (2024-05-24T14:38:11Z)
• Automated Audio Captioning: an Overview of Recent Progress and New Challenges [56.98522404673527]
  自動音声キャプションは、与えられた音声クリップの自然言語記述を生成することを目的とした、モーダル横断翻訳タスクである。 本稿では、既存の様々なアプローチから評価指標やデータセットまで、自動音声キャプションにおけるコントリビューションの総合的なレビューを行う。
  論文  参考訳（メタデータ） (2022-05-12T08:36:35Z)
• Multi Document Reading Comprehension [0.0]
  読み込み(英語: Reading, RC)とは、ある節または一組の節から質問に答えるタスクである。 自然言語処理(NLP)の分野での最近の試行と実験により、機械が通過中のテキストを処理できることが証明された。
  論文  参考訳（メタデータ） (2022-01-05T16:54:48Z)
• Tell Me How to Survey: Literature Review Made Simple with Automatic Reading Path Generation [16.07200776251764]
  論文を大量の文献から読めば、簡単な調査をしたり、特定の研究トピックに関する最新の進歩に遅れないようにする方法が課題になっている。 Google Scholarのような既存の学術検索エンジンは、各論文とクエリ間の関連性を個別に計算することで、関連論文を返す。 本稿では,あるクエリに対して読み込む論文のパスを自動生成することを目的とした読解パス生成(RPG)を紹介する。
  論文  参考訳（メタデータ） (2021-10-12T20:58:46Z)
• Open-Retrieval Conversational Machine Reading [80.13988353794586]
  会話機械読解では、システムは自然言語規則を解釈し、ハイレベルな質問に答え、フォローアップの明確化を問う必要がある。 既存の作業では、ルールテキストがユーザ毎の質問に対して提供されると仮定し、実際のシナリオにおいて必須の検索ステップを無視する。 本研究では,対話型機械読解のオープンリトリーバル設定を提案し,検討する。
  論文  参考訳（メタデータ） (2021-02-17T08:55:01Z)
• Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
  InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。 我々は,読者が情報を求めるための実践的な戦略に携わることを示す。 我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-04T19:03:39Z)
• A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
  過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。 本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。 特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
  論文  参考訳（メタデータ） (2020-08-02T00:09:03Z)
• Machine Identification of High Impact Research through Text and Image Analysis [0.4737991126491218]
  本稿では,引用の可能性が低い論文から高い論文を自動的に分離するシステムを提案する。 本システムでは,文書全体の外観を推測する視覚的分類器と,コンテンツインフォームド決定のためのテキスト分類器の両方を用いる。
  論文  参考訳（メタデータ） (2020-05-20T19:12:24Z)
• Document Modeling with Graph Attention Networks for Multi-grained Machine Reading Comprehension [127.3341842928421]
  Natural Questionsは、新しい挑戦的な機械読解ベンチマークである。 解答は2つあり、長解(典型的には1段落)と短解(長解の内にある1つ以上の実体)である。 既存の方法は、これらの2つのサブタスクをトレーニング中に個別に扱い、依存関係を無視します。 本稿では,文書を階層的にモデル化する多層機械読解フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-12T14:20:09Z)
• ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine Reading Comprehension [53.037401638264235]
  我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。 評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
  論文  参考訳（メタデータ） (2019-12-29T07:27:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。