論文の概要: Correction of Faulty Background Knowledge based on Condition Aware and
Revise Transformer for Question Answering
- arxiv url: http://arxiv.org/abs/2006.16722v1
- Date: Tue, 30 Jun 2020 12:24:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 04:37:03.892841
- Title: Correction of Faulty Background Knowledge based on Condition Aware and
Revise Transformer for Question Answering
- Title（参考訳）: 質問応答のための条件認識と修正変圧器に基づく誤り背景知識の補正
- Authors: Xinyan Zhao, Xiao Feng, Haoming Zhong, Jun Yao, Huanhuan Chen
- Abstract要約: 本研究は,ユーザの意図と質問に対応する条件情報の両方に適合する回答を提供することに重点を置いている。
カー・トランスフォーマーは、疑問に対応する条件が間違っている場合や欠落した値が存在する場合、適切な応答を選択することができる。
- 参考スコア（独自算出の注目度）: 19.836913027519454
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The study of question answering has received increasing attention in recent
years. This work focuses on providing an answer that compatible with both user
intent and conditioning information corresponding to the question, such as
delivery status and stock information in e-commerce. However, these conditions
may be wrong or incomplete in real-world applications. Although existing
question answering systems have considered the external information, such as
categorical attributes and triples in knowledge base, they all assume that the
external information is correct and complete. To alleviate the effect of
defective condition values, this paper proposes condition aware and revise
Transformer (CAR-Transformer). CAR-Transformer (1) revises each condition value
based on the whole conversation and original conditions values, and (2) it
encodes the revised conditions and utilizes the conditions embedding to select
an answer. Experimental results on a real-world customer service dataset
demonstrate that the CAR-Transformer can still select an appropriate reply when
conditions corresponding to the question exist wrong or missing values, and
substantially outperforms baseline models on automatic and human evaluations.
The proposed CAR-Transformer can be extended to other NLP tasks which need to
consider conditioning information.
- Abstract（参考訳）: 近年,質問応答の研究が注目されている。
本研究は、eコマースにおける配送状況や在庫情報など、質問に対応するユーザの意図と条件情報の両方と互換性のある回答を提供することに重点を置いている。
しかし、これらの条件は現実世界のアプリケーションでは間違っているか不完全かもしれない。
既存の質問応答システムは、分類的属性や知識ベースにおけるトリプルといった外部情報を考慮しているが、これらはすべて、外部情報が正確かつ完全であると仮定している。
本稿では, 故障条件値の影響を軽減するために, 条件認識・修正変換器(CAR-Transformer)を提案する。
CAR変換器(1)は、会話全体と元の条件値に基づいて各条件値を修正し、(2)修正条件を符号化し、その条件を埋め込んで回答を選択する。
実世界の顧客サービスデータセットにおける実験結果から、CAR-Transformerは、疑問に対応する条件が間違っている場合や欠落している場合、適切な応答を選択することができ、自動評価と人的評価でベースラインモデルを大幅に上回っていることが示された。
提案した CAR-Transformer は他の NLP タスクにも拡張可能である。
関連論文リスト
- Retriever-and-Memory: Towards Adaptive Note-Enhanced Retrieval-Augmented Generation [72.70046559930555]
本稿では,複雑なQAタスクに対する適応ノート拡張RAG(Adaptive Note-Enhanced RAG)と呼ばれる汎用RAGアプローチを提案する。
具体的には、Adaptive-Noteは、知識の成長に関する包括的な視点を導入し、ノート形式で新しい情報を反復的に収集する。
さらに,適切な知識探索を促進するために,適応的な音符ベースの停止探索戦略を用いて,「何を検索し,いつ停止するか」を判断する。
論文 参考訳（メタデータ） (2024-10-11T14:03:29Z) - Chain of Condition: Construct, Verify and Solve Conditions for Conditional Question Answering [34.599299893060895]
条件付き質問応答(CQA)は、可能な回答を見つけ、不足した条件を特定することを目的とした重要なタスクである。
既存のアプローチは,(1)必要な条件と論理的関係を正確に同定し,(2)不足しているものを検出するための条件を検証するという2つの課題により,CQAと競合する。
本論文では,まずすべての条件を同定し,それらの論理的関係を文書に従って明示的に構築することで,新しい条件の連鎖を創出する手法を提案する。
論文 参考訳（メタデータ） (2024-08-10T05:09:11Z) - KaPQA: Knowledge-Augmented Product Question-Answering [59.096607961704656]
我々はAdobe AcrobatとPhotoshop製品に焦点を当てた2つのQAデータセットを紹介した。
また、製品QAタスクにおけるモデルの性能を高めるために、新しい知識駆動型RAG-QAフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-22T22:14:56Z) - MDCR: A Dataset for Multi-Document Conditional Reasoning [20.42067697305166]
条件付きQAは、未解決条件を考慮し、文書を読み、適性質問に回答するモデルの能力を評価するために提案された。
我々は,実世界の課題を反映した新しいデータセットMDCRを提案し,最適化を必要とする複雑な条件推論のための新しいテストベッドとして機能する。
論文 参考訳（メタデータ） (2024-06-17T17:38:43Z) - SQUARE: Automatic Question Answering Evaluation using Multiple Positive
and Negative References [73.67707138779245]
SQuArE (Sentence-level QUestion AnsweRing Evaluation) という新しい評価指標を提案する。
文レベルの抽出(回答選択)と生成(GenQA)の両方のQAシステムでSQuArEを評価する。
論文 参考訳（メタデータ） (2023-09-21T16:51:30Z) - When to Read Documents or QA History: On Unified and Selective
Open-domain QA [22.941325275188376]
本稿では,知識資源を活用した多様な質問に答えることを目的として,オープンドメイン質問応答の問題について検討する。
QAペアと文書コーパスの2種類のソースは、以下の相補的な強度で積極的に活用されている。
したがって、自然なフォローアップが両方のモデルを活用する一方で、単純でパイプライニングや統合的なアプローチは、どちらのモデルよりも追加的な利益をもたらすことができませんでした。
論文 参考訳（メタデータ） (2023-06-07T06:03:39Z) - Mastering the ABCDs of Complex Questions: Answer-Based Claim
Decomposition for Fine-grained Self-Evaluation [9.776667356119352]
本稿では,質問を真偽のクレームに分解する手法であるABCDを提案する。
ABCDクレームを分解し, きめ細かい自己評価を行う。
GPT-3.5は、その答えがどの程度入力された質問の基準を満たすかを決定する能力を持っていることがわかった。
論文 参考訳（メタデータ） (2023-05-24T05:53:11Z) - Reasoning over Logically Interacted Conditions for Question Answering [113.9231035680578]
我々は、論理的に相互作用する条件のリストによって答えが制約される、より困難なタスクについて研究する。
本稿では,この難解な推論タスクのための新しいモデルTReasonerを提案する。
TReasonerは、2つのベンチマーク条件付きQAデータセットで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-05-25T16:41:39Z) - A New Score for Adaptive Tests in Bayesian and Credal Networks [64.80185026979883]
テストは、そのシークエンスと質問数とが、テイカーの推定スキルに基づいて動的に調整されるときに適応する。
後部確率のモードに基づいて、別のスコアの族を提示するので、説明し易い。
論文 参考訳（メタデータ） (2021-05-25T20:35:42Z) - Asking and Answering Questions to Evaluate the Factual Consistency of
Summaries [80.65186293015135]
本稿では,QAGS (kags) と呼ばれる自動評価プロトコルを提案する。
QAGSは、要約とそのソースについて質問すると、要約が実際にソースと一致している場合、同様の回答が得られます。
QAGSは、使いやすく、現実的に一貫性のあるテキストを自動的に生成するための有望なツールであると考えています。
論文 参考訳（メタデータ） (2020-04-08T20:01:09Z)
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。