論文の概要: Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting
- arxiv url: http://arxiv.org/abs/2005.02230v2
- Date: Thu, 11 Mar 2021 14:33:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 13:24:30.584241
- Title: Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting
- Title（参考訳）: 多段階会話パス検索: 項重要度推定とニューラルクエリ書き換えの融合へのアプローチ
- Authors: Sheng-Chieh Lin, Jheng-Hong Yang, Rodrigo Nogueira, Ming-Feng Tsai,
Chuan-Ju Wang and Jimmy Lin
- Abstract要約: マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
- 参考スコア（独自算出の注目度）: 56.268862325167575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conversational search plays a vital role in conversational information
seeking. As queries in information seeking dialogues are ambiguous for
traditional ad-hoc information retrieval (IR) systems due to the coreference
and omission resolution problems inherent in natural language dialogue,
resolving these ambiguities is crucial. In this paper, we tackle conversational
passage retrieval (ConvPR), an important component of conversational search, by
addressing query ambiguities with query reformulation integrated into a
multi-stage ad-hoc IR system. Specifically, we propose two conversational query
reformulation (CQR) methods: (1) term importance estimation and (2) neural
query rewriting. For the former, we expand conversational queries using
important terms extracted from the conversational context with frequency-based
signals. For the latter, we reformulate conversational queries into natural,
standalone, human-understandable queries with a pretrained sequence-tosequence
model. Detailed analyses of the two CQR methods are provided quantitatively and
qualitatively, explaining their advantages, disadvantages, and distinct
behaviors. Moreover, to leverage the strengths of both CQR methods, we propose
combining their output with reciprocal rank fusion, yielding state-of-the-art
retrieval effectiveness, 30% improvement in terms of NDCG@3 compared to the
best submission of TREC CAsT 2019.
- Abstract（参考訳）: 会話探索は会話情報探索において重要な役割を果たす。
従来のアドホック情報検索(IR)システムでは,自然言語対話に固有のコア参照や省略解決の問題により,対話を求める情報のクエリがあいまいになるため,これらの曖昧さの解消が不可欠である。
本稿では,多段階のアドホックirシステムに統合された問合せ修正を伴う問合せあいまいに対処し,対話的検索の重要な構成要素である会話的通路検索(convpr)に取り組む。
具体的には,1項の重要度推定と2項のニューラルクエリ書き換えという2つの対話型クエリ再構成手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者については,事前学習されたシーケンス列列モデルを用いて,会話クエリを自然,スタンドアロン,人間理解可能なクエリに再構成する。
2つのcqr法の詳細な分析は量的、質的に行われ、その利点、欠点、異なる行動を説明する。
さらに,両CQR法の長所を活用するため,TREC CAsT 2019のベスト・サブミッションと比較して,出力を相互の階調融合と組み合わせ,最先端の検索効率,NDCG@3の30%の改善を実現することを提案する。
関連論文リスト
- Conv-CoA: Improving Open-domain Question Answering in Large Language Models via Conversational Chain-of-Action [17.60243337898751]
オープンドメイン会話質問回答(OCQA)のための会話連鎖(Conv-CoA)フレームワークを提案する。
文献と比較して、Conv-CoAは、(i)リアルタイムやドメイン事実と矛盾しない不誠実な幻覚、(ii)会話シナリオにおける弱い推論性能、(iii)会話情報検索における不満足なパフォーマンスの3つの主要な課題に対処する。
論文 参考訳（メタデータ） (2024-05-28T04:46:52Z) - History-Aware Conversational Dense Retrieval [31.203399110612388]
本稿では,コンテキスト依存型クエリ再構成と監視信号の自動マイニングという2つのアイデアを取り入れた,履歴認識型会話用Dense Retrieval(HAConvDR)システムを提案する。
2つの公開対話型検索データセットの実験は、HAConvDRの履歴モデリング機能の改善を実証している。
論文 参考訳（メタデータ） (2024-01-30T01:24:18Z) - ZeQR: Zero-shot Query Reformulation for Conversational Search [11.644235288057123]
本稿では,対話型検索データからの監視を必要とせずに,従来の対話コンテキストに基づいてクエリを再構成する,ゼロショットクエリ再構成(あるいはクエリ書き換え)フレームワークを提案する。
具体的には、機械読解タスク用に設計された言語モデルを用いて、コア参照と省略という2つの共通の曖昧さを生クエリで明示的に解決する。
さらに、あいまいさが明確かつ積極的に解決されているため、説明可能性も向上し、クエリ意図の理解を効果的に強化する。
論文 参考訳（メタデータ） (2023-07-18T16:05:25Z) - SSP: Self-Supervised Post-training for Conversational Search [63.28684982954115]
本稿では,対話型検索モデルを効率的に初期化するための3つの自己教師型タスクを備えた学習後パラダイムであるフルモデル(モデル)を提案する。
提案手法の有効性を検証するために,CAsT-19 と CAsT-20 の2つのベンチマークデータセットを用いて,会話検索タスクにモデルにより訓練後の会話エンコーダを適用した。
論文 参考訳（メタデータ） (2023-07-02T13:36:36Z) - FCC: Fusing Conversation History and Candidate Provenance for Contextual
Response Ranking in Dialogue Systems [53.89014188309486]
複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。
会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
論文 参考訳（メタデータ） (2023-03-31T23:58:28Z) - End-to-end Spoken Conversational Question Answering: Task, Dataset and
Model [92.18621726802726]
音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。
本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。
本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
論文 参考訳（メタデータ） (2022-04-29T17:56:59Z) - Analysing Mixed Initiatives and Search Strategies during Conversational
Search [31.63357369175702]
本稿では,対話型検索のモデルを提案する。そこから観察された対話型検索戦略をインスタンス化し,エージェントが引き起こす: (i) フィードバックファースト, (ii) フィードバックアフタ。
分析の結果,質問結果の提示後に質問された場合,質問内容の明確化が良好であるのに対して,質問内容の明確化が良好であることが判明した。
論文 参考訳（メタデータ） (2021-09-13T13:30:10Z) - Topic Propagation in Conversational Search [0.0]
会話の文脈では、ユーザは、自然言語質問のシーケンスとして、多面的な情報を必要とすることを表現します。
筆者らは,2019 TREC Conversational Assistant Track (CAsT) フレームワークを用いて, (i) トピック認識発話の書き直し, (ii) 書き直された発話の候補節の検索, (iii) ニューラルネットワークによる候補節の再ランク付けを行う。
論文 参考訳（メタデータ） (2020-04-29T10:06:00Z) - Knowledgeable Dialogue Reading Comprehension on Key Turns [84.1784903043884]
MRC(Multi-choice Machine reading comprehension)は、ある項目と質問に対する候補オプションから正しい回答を選択するモデルである。
本研究は,複数回対話を行う対話型MRCに焦点を当てている。
それは2つの課題に悩まされ、答えの選択決定は、最近役に立つコモンセンスをサポートせずに行われ、マルチターンコンテキストは、かなりの無関係な情報を隠蔽する可能性がある。
論文 参考訳（メタデータ） (2020-04-29T07:04:43Z) - Dialogue-Based Relation Extraction [53.2896545819799]
本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。
我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。
実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
論文 参考訳（メタデータ） (2020-04-17T03:51:57Z)
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。