論文の概要: Bridging Information-Seeking Human Gaze and Machine Reading
Comprehension
- arxiv url: http://arxiv.org/abs/2009.14780v2
- Date: Thu, 15 Oct 2020 16:08:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 23:37:48.899553
- Title: Bridging Information-Seeking Human Gaze and Machine Reading
Comprehension
- Title(参考訳): 情報橋渡し : 人間の視線と機械の読み理解
- Authors: Jonathan Malmaud, Roger Levy, Yevgeni Berzak
- Abstract要約: 読解時の人間の視線が、所定の読解質問に対してどのように条件付けられているかを分析する。
本研究では,人間の情報探索行動の模倣によって,より人間らしく読みやすい読み方を実現することを提案する。
- 参考スコア(独自算出の注目度): 23.153841344989143
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we analyze how human gaze during reading comprehension is
conditioned on the given reading comprehension question, and whether this
signal can be beneficial for machine reading comprehension. To this end, we
collect a new eye-tracking dataset with a large number of participants engaging
in a multiple choice reading comprehension task. Our analysis of this data
reveals increased fixation times over parts of the text that are most relevant
for answering the question. Motivated by this finding, we propose making
automated reading comprehension more human-like by mimicking human
information-seeking reading behavior during reading comprehension. We
demonstrate that this approach leads to performance gains on multiple choice
question answering in English for a state-of-the-art reading comprehension
model.
- Abstract(参考訳): 本研究では,与えられた読解質問に対して,読解時の人間の視線がどのように条件付けされ,この信号が機械読解に有用かを分析する。
この目的のために,多数の参加者が複数の選択読解課題に携わる視線追跡データセットを新たに収集する。
このデータの解析により,疑問に答える上で最も関係のあるテキストの一部に対する修正時間の増加が明らかになった。
そこで本研究では,読解時の情報検索行動の模倣により,読解の自動化を人間に近いものにすることを提案する。
そこで本研究では,この手法が英語の多言語質問応答の性能向上に繋がることを示す。
関連論文リスト
- Analyzing Multiple-Choice Reading and Listening Comprehension Tests [0.0]
本研究は,会話の書き起こしと聞き取りテストに基づいて,コンテキストパスを複数選択で読み取る必要があるかを検討する。
自動読解システムは、文脈パスへのアクセスを部分的にあるいは全く行わずに、ランダムよりもはるかに優れた性能を発揮することが判明した。
論文 参考訳(メタデータ) (2023-07-03T14:55:02Z) - Lexical Complexity Prediction: An Overview [13.224233182417636]
テキスト中の未知の単語の発生は、読書の理解を著しく妨げている。
計算モデリングは、テキスト中の複雑な単語を識別し、より単純な代替語に置き換えるために応用されている。
本稿では,英文データに基づく語彙複雑性予測に対する計算手法の概要について述べる。
論文 参考訳(メタデータ) (2023-03-08T19:35:08Z) - Human Attention during Goal-directed Reading Comprehension Relies on
Task Optimization [8.337095123148186]
ゴール指向読書(Goal-directed reading)、すなわち、質問を念頭に置いて回答する一節を読むことは、注目を集める一般的な現実世界の課題である。
そこで本研究では,各単語の読解時間は,変圧器ベースディープニューラルネットワーク(DNN)の注意重みによって予測され,同じ読解タスクを実行するように最適化されていることを示す。
論文 参考訳(メタデータ) (2021-07-13T01:07:22Z) - Improving Cross-Lingual Reading Comprehension with Self-Training [62.73937175625953]
現在の最新モデルは、いくつかのベンチマークで人間のパフォーマンスを上回っています。
前作では、ゼロショットのクロスリンガル読解のための事前訓練された多言語モデルの能力を明らかにしている。
本稿では,ラベルのないデータを利用して性能を向上する。
論文 参考訳(メタデータ) (2021-05-08T08:04:30Z) - Narrative Incoherence Detection [76.43894977558811]
本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。
複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
論文 参考訳(メタデータ) (2020-12-21T07:18:08Z) - Relation/Entity-Centric Reading Comprehension [1.0965065178451106]
我々は、エンティティとそれらの関係を理解することに焦点を当てて、読書理解について研究する。
自然言語のセマンティクスを表現するために一般的に使用されるため、エンティティと関係に焦点をあてる。
論文 参考訳(メタデータ) (2020-08-27T06:42:18Z) - 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) - Retrospective Reader for Machine Reading Comprehension [90.6069071495214]
機械読み取り理解(英: Machine reading comprehension、MRC)とは、機械が与えられた文節に基づいて質問に対する正しい答えを決定することを要求するAIチャレンジである。
不可解な質問が MRC タスクに関与している場合、検証モジュールと呼ばれる本質的な検証モジュールがエンコーダに加えて特に必要となる。
本稿では, MRC タスクに対して, 解答不能な質問に対して, より優れた検証器設計を提案する。
論文 参考訳(メタデータ) (2020-01-27T11:14:34Z) - The Shmoop Corpus: A Dataset of Stories with Loosely Aligned Summaries [72.48439126769627]
個々の章ごとに詳細なマルチパラグラフの要約と組み合わせた231ストーリーのデータセットであるShmoop Corpusを紹介します。
コーパスから、クローズ形式の質問応答や抽象的要約の簡易な形式を含む共通のNLPタスクのセットを構築する。
このコーパスのユニークな構造は、マシンストーリーの理解をより親しみやすいものにするための重要な基盤となると信じている。
論文 参考訳(メタデータ) (2019-12-30T21:03:59Z) - 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。