論文の概要: Translating Web Search Queries into Natural Language Questions

• arxiv url: http://arxiv.org/abs/2002.02631v1
• Date: Fri, 7 Feb 2020 05:52:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 03:32:28.880041
• Title: Translating Web Search Queries into Natural Language Questions
• Title（参考訳）: web検索クエリを自然言語質問に変換する
• Authors: Adarsh Kumar, Sandipan Dandapat, Sushil Chordia
• Abstract要約: 我々は、与えられたキーワードベースのクエリから、適切な自然言語質問を生成する方法を提案している。 我々は、統計的MT(SMT)モデルとニューラルMT(NMT)モデルの両方を用いて、クエリから質問を生成する。
• 参考スコア（独自算出の注目度）: 7.928956376345725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Users often query a search engine with a specific question in mind and often these queries are keywords or sub-sentential fragments. For example, if the users want to know the answer for "What's the capital of USA", they will most probably query "capital of USA" or "USA capital" or some keyword-based variation of this. For example, for the user entered query "capital of USA", the most probable question intent is "What's the capital of USA?". In this paper, we are proposing a method to generate well-formed natural language question from a given keyword-based query, which has the same question intent as the query. Conversion of keyword-based web query into a well-formed question has lots of applications, with some of them being in search engines, Community Question Answering (CQA) website and bots communication. We found a synergy between query-to-question problem with standard machine translation(MT) task. We have used both Statistical MT (SMT) and Neural MT (NMT) models to generate the questions from the query. We have observed that MT models perform well in terms of both automatic and human evaluation.
• Abstract（参考訳）: ユーザーは検索エンジンを特定の質問を念頭に置いて検索することが多く、これらのクエリはキーワードかサブセンテンシャルフラグメントであることが多い。 例えば、ユーザが"What's the capital of USA"の答えを知りたい場合、"Capital of USA"や"USA capital"といったキーワードベースのバリエーションをクエリします。 例えば、ユーザが入力したクエリ "capital of usa" に対して、最も可能性の高い質問意図は "what's the capital of usa?" である。 本稿では,与えられたキーワードベースの問合せから,その問合せと同一の問合せを持つ自然言語質問を生成する手法を提案する。 キーワードベースのWebクエリを十分に構造化された質問に変換するには,検索エンジンやコミュニティ質問回答(CQA)Webサイト,ボット通信など,多くのアプリケーションがある。 問合せ問題と標準機械翻訳(MT)タスクの相乗効果を見出した。 我々は、統計的MT(SMT)モデルとニューラルMT(NMT)モデルの両方を用いて、クエリから質問を生成する。 MTモデルの性能は, 自動評価と人的評価の両方で良好である。

関連論文リスト

• CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
  CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。 提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
  論文  参考訳（メタデータ） (2024-04-28T18:21:31Z)
• A Use Case: Reformulating Query Rewriting as a Statistical Machine Translation Problem [0.0]
  本稿では,アラビア語検索クエリの書き直しを学習する単言語機械翻訳モデルに基づくクエリ書き換えパイプラインを提案する。 本稿では、ユーザクエリとWebページのタイトル間のマッピングを作成するための前処理手順についても述べる。
  論文  参考訳（メタデータ） (2023-10-19T11:37:14Z)
• Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
  本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。 本稿では,2つの意味解析手法を提案し,その課題を強調した。 私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
  論文  参考訳（メタデータ） (2023-01-28T14:45:11Z)
• Know What I don't Know: Handling Ambiguous and Unanswerable Questions for Text-to-SQL [36.5089235153207]
  既存のtext-to-Yourself は任意のユーザ質問に対して "plausible" クエリを生成する。 本稿では,不明瞭かつ解決不可能な例を自動的に生成する,シンプルで効果的な生成手法を提案する。 実験結果から,実例と生成例の両方において,本モデルが最も優れた結果が得られることが示された。
  論文  参考訳（メタデータ） (2022-12-17T15:32:00Z)
• Searching for Better Database Queries in the Outputs of Semantic Parsers [16.221439565760058]
  本稿では,テスト時に生成したクエリを評価する外部基準にアクセスできる場合を考える。 クエリがエラーなしに実行されることをチェックすることから、一連のテストでクエリを検証することまで、その基準は様々である。 我々は、最先端のセマンティクスにアプローチを適用し、異なるデータセットですべてのテストを通過する多くのクエリを見つけることができると報告します。
  論文  参考訳（メタデータ） (2022-10-13T17:20:45Z)
• GooAQ: Open Question Answering with Diverse Answer Types [63.06454855313667]
  さまざまな回答型を持つ大規模データセットであるGooAQを紹介する。 このデータセットには500万の質問と300万の回答が含まれている。
  論文  参考訳（メタデータ） (2021-04-18T05:40:39Z)
• MultiModalQA: Complex Question Answering over Text, Tables and Images [52.25399438133274]
  テキスト,テーブル,画像に対する共同推論を必要とするデータセットであるMultiModalQAを提案する。 大規模で複雑なマルチモーダル質問を生成するための新しいフレームワークを使用してMMQAを作成します。 次に、単一のモダリティから回答できる質問を受け取り、それらを組み合わせてクロスモーダルな質問を生成する形式言語を定義します。
  論文  参考訳（メタデータ） (2021-04-13T09:14:28Z)
• Applying Transfer Learning for Improving Domain-Specific Search Experience Using Query to Question Similarity [0.0]
  本稿では、与えられた入力クエリと事前定義された質問の集合との類似性を計算し、最もよく一致する質問を検索するフレームワークについて論じる。 ファイナンシャルドメインで使用していますが、このフレームワークはドメイン固有の検索エンジンで一般化されており、他のドメインでも使用できます。
  論文  参考訳（メタデータ） (2021-01-07T03:27:32Z)
• XOR QA: Cross-lingual Open-Retrieval Question Answering [75.20578121267411]
  この作業は、言語横断的な設定に応答するオープン検索の質問を拡張します。 我々は,同じ回答を欠いた質問に基づいて,大規模なデータセットを構築した。
  論文  参考訳（メタデータ） (2020-10-22T16:47:17Z)
• Match$^2$: A Matching over Matching Model for Similar Question Identification [74.7142127303489]
  コミュニティ質問回答(Community Question Answering, CQA)は,質問や回答の提出を自由に行う,知識獲得のための主要な手段となっている。 類似した質問識別は、CQAの中核的なタスクとなり、新しい質問が尋ねられるたびに、アーカイブされたリポジトリから同様の質問を見つけることを目的としている。 自然言語の固有のバリエーション、すなわち、同じ質問をしたり、同じ表現を共有する異なる質問をする方法があるため、この2つの質問の類似性を適切に測定することは、長い間困難であった。 従来の手法では片側の使用が一般的であり、答えを拡張された表現として活用する。
  論文  参考訳（メタデータ） (2020-06-21T05:59:34Z)

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。