論文の概要: Open-Domain Question Answering with Pre-Constructed Question Spaces

• arxiv url: http://arxiv.org/abs/2006.08337v2
• Date: Fri, 23 Oct 2020 02:10:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 00:29:30.781773
• Title: Open-Domain Question Answering with Pre-Constructed Question Spaces
• Title（参考訳）: 構築済み質問空間を用いたオープンドメイン質問応答
• Authors: Jinfeng Xiao, Lidan Wang, Franck Dernoncourt, Trung Bui, Tong Sun, Jiawei Han
• Abstract要約: オープンドメインの質問応答は、大量の文書の集合の中でユーザ生成した質問に対する回答を見つけるという課題を解決することを目的としている。 ソリューションには、レトリバーリーダーとナレッジグラフベースのアプローチの2つのファミリーがある。 本稿では,両家系と異なるリーダ・リトリバー構造を持つ新しいアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 70.13619499853756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-domain question answering aims at solving the task of locating the answers to user-generated questions in massive collections of documents. There are two families of solutions available: retriever-readers, and knowledge-graph-based approaches. A retriever-reader usually first uses information retrieval methods like TF-IDF to locate some documents or paragraphs that are likely to be relevant to the question, and then feeds the retrieved text to a neural network reader to extract the answer. Alternatively, knowledge graphs can be constructed from the corpus and be queried against to answer user questions. We propose a novel algorithm with a reader-retriever structure that differs from both families. Our reader-retriever first uses an offline reader to read the corpus and generate collections of all answerable questions associated with their answers, and then uses an online retriever to respond to user queries by searching the pre-constructed question spaces for answers that are most likely to be asked in the given way. We further combine retriever-reader and reader-retriever results into one single answer by examining the consistency between the two components. We claim that our algorithm solves some bottlenecks in existing work, and demonstrate that it achieves superior accuracy on real-world datasets.
• Abstract（参考訳）: オープンドメイン質問応答は、大量の文書コレクションにおいて、ユーザ生成した質問に対する回答を見つけるタスクを解決することを目的としている。 ソリューションには、レトリバーリーダーとナレッジグラフベースのアプローチの2つのファミリーがある。 検索者リーダーは通常、TF-IDFのような情報検索手法を使用して、質問に関連する可能性のある文書や段落を見つけ出し、検索したテキストをニューラルネットワークリーダーに送って回答を抽出する。 あるいは、知識グラフをコーパスから構築して、ユーザの質問に答えるために照会することもできる。 本稿では,両家系と異なる読み取り構造を持つ新しいアルゴリズムを提案する。 我々の読者検索者はまず、オフラインの読者を用いてコーパスを読み、回答に関連するすべての質問のコレクションを生成し、その後、オンライン検索器を使用して、あらかじめ構築された質問スペースを検索して、所定の方法で質問される可能性が最も高い回答を検索する。 さらに2つのコンポーネント間の整合性を調べることで,レトリバーとレトリバーの結果を1つの回答にまとめる。 提案アルゴリズムは,既存の作業におけるボトルネックを解消し,実世界のデータセット上でより優れた精度を実現することを示す。

関連論文リスト

• Phrase Retrieval for Open-Domain Conversational Question Answering with Conversational Dependency Modeling via Contrastive Learning [54.55643652781891]
  Open-Domain Conversational Question Answering (ODConvQA)は、マルチターン会話を通じて質問に答えることを目的としている。 そこで本研究では,単語列に対する句検索方式を用いて,回答を直接予測する手法を提案する。
  論文  参考訳（メタデータ） (2023-06-07T09:46:38Z)
• Grape: Knowledge Graph Enhanced Passage Reader for Open-domain Question Answering [36.85435188308579]
  オープンドメイン質問応答(QA)モデルの一般的なスレッドは、最初にWikipediaからいくつかの関連するパスを検索するレトリバー・リーダー・パイプラインを使用している。 オープンドメインQAの読み出し性能を改善するため,グラフ拡張パスリーダ,すなわちGrapeを提案する。
  論文  参考訳（メタデータ） (2022-10-06T14:06:04Z)
• Generate rather than Retrieve: Large Language Models are Strong Context Generators [74.87021992611672]
  本稿では,文書検索を大規模言語モデル生成器に置き換えることで,知識集約型タスクを解く新しい視点を提案する。 我々は,提案手法をgenRead (genRead) と呼び,まず大きな言語モデルに対して,与えられた質問に基づいて文脈文書を生成し,次に生成された文書を読み出して最終回答を生成する。
  論文  参考訳（メタデータ） (2022-09-21T01:30:59Z)
• Zero-Shot Open-Book Question Answering [0.0]
  本稿では,ドメイン固有のラベル付きデータ(ゼロショット)を持たない技術文書から自然言語質問に答えるソリューションを提案する。 私たちは、AWSのテクニカルドキュメントに関する実際の顧客からの質問に基づいて、オープンブックのQAのための新しいテストデータセットを導入しています。 ドメイン固有のトレーニングなしで、49%のF1と39%の正確なスコア(EM)をエンドツーエンドで達成できたのです。
  論文  参考訳（メタデータ） (2021-11-22T20:38:41Z)
• Tackling Multi-Answer Open-Domain Questions via a Recall-then-Verify Framework [38.807388762378444]
  オープンドメインの質問は、オープンで曖昧であり、複数の有効な答えをもたらす可能性が高い。 既存のアプローチでは、読者が上位のエビデンスを読んで答えを予測する、rerank-then-readフレームワークが一般的である。 本フレームワークは,2つの複数問合せデータセットに対して,新たな最先端結果を実現し,オラクルリランカを用いた再読解システムよりもはるかに多くのゴールド回答を予測した。
  論文  参考訳（メタデータ） (2021-10-16T10:48:10Z)
• Is Retriever Merely an Approximator of Reader? [27.306407064073177]
  読み手と受け手は,精度の点でのみ相補的であることを示す。 我々は,レトリバーにリーダを蒸留し,レトリバーが読者の強度を吸収し,自身の利益を維持することを提案する。
  論文  参考訳（メタデータ） (2020-10-21T13:40:15Z)
• Open Question Answering over Tables and Text [55.8412170633547]
  オープンな質問応答(QA)では、質問に対する回答は、質問に対する回答を含む可能性のある文書を検索して分析することによって生成される。 ほとんどのオープンQAシステムは、構造化されていないテキストからのみ情報を取得することを検討している。 我々は,このタスクの性能を評価するために,新しい大規模データセット Open Table-and-Text Question Answering (OTT-QA) を提案する。
  論文  参考訳（メタデータ） (2020-10-20T16:48:14Z)
• Answering Any-hop Open-domain Questions with Iterative Document Reranking [62.76025579681472]
  オープンドメインの問に答える統合QAフレームワークを提案する。 提案手法は,シングルホップおよびマルチホップのオープンドメインQAデータセットにおいて,最先端技術に匹敵する性能を継続的に達成する。
  論文  参考訳（メタデータ） (2020-09-16T04:31:38Z)
• Knowledge-Aided Open-Domain Question Answering [58.712857964048446]
  本稿では,知識支援型オープンドメインQA(KAQA)手法を提案する。 文書検索の際、質問と他の文書との関係を考慮し、候補文書を採点する。 回答の再ランク付けの間、候補の回答は、自身のコンテキストだけでなく、他の文書からのヒントを使って再ランクされる。
  論文  参考訳（メタデータ） (2020-06-09T13:28:57Z)

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。