Fugu-MT 論文翻訳(概要): Querent Intent in Multi-Sentence Questions

論文の概要: Querent Intent in Multi-Sentence Questions

arxiv url: http://arxiv.org/abs/2010.08980v1
Date: Sun, 18 Oct 2020 13:17:09 GMT
ステータス: 処理完了
システム内更新日: 2022-10-06 04:14:45.838705
Title: Querent Intent in Multi-Sentence Questions
Title（参考訳）: 多文質問におけるクェントインテント
Authors: Laurie Burchell, Jie Chi, Tom Hosking, Nina Markl, Bonnie Webber
Abstract要約: マルチセンス質問(Multi-Sentence Question、MSQ)は、関係によって関連付けられた質問の系列である。我々は、英語で5種類のMSQを識別し、それらを記述するための5つの新しい関係を定義した。 Stack Exchangeから162,000以上のMSQを抽出し、将来の研究を可能にします。
参考スコア（独自算出の注目度）: 7.377226807893631
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multi-sentence questions (MSQs) are sequences of questions connected by relations which, unlike sequences of standalone questions, need to be answered as a unit. Following Rhetorical Structure Theory (RST), we recognise that different "question discourse relations" between the subparts of MSQs reflect different speaker intents, and consequently elicit different answering strategies. Correctly identifying these relations is therefore a crucial step in automatically answering MSQs. We identify five different types of MSQs in English, and define five novel relations to describe them. We extract over 162,000 MSQs from Stack Exchange to enable future research. Finally, we implement a high-precision baseline classifier based on surface features.
Abstract（参考訳）: 多文質問(Multi-Sentence question、MSQ)は、独立した質問の列とは異なり、単位として答える必要がある関係によって接続された質問の列である。修辞構造理論 (rst) に従い, msqs の部分部分間の異なる「質問談話関係」が話者の意図を反映していることを認識し, その結果, 異なる回答戦略を導出する。したがって、これらの関係を正しく特定することは、自動的にMSQに答える重要なステップである。我々は英語で5種類のMSQを識別し、5つの新しい関係を定義した。 Stack Exchangeから162,000以上のMSQを抽出し、将来の研究を可能にします。最後に,表面特徴に基づく高精度ベースライン分類器を実装した。

関連論文リスト

Diversity Enhanced Narrative Question Generation for Storybooks [4.043005183192124]
マルチクエスト生成モデル(mQG)を導入し,複数の,多様な,回答可能な質問を生成する。生成した質問の応答性を検証するために,SQuAD2.0の微調整された質問応答モデルを用いる。 mQGは、強力なベースラインの中で、様々な評価指標で有望な結果を示している。
論文参考訳（メタデータ） (2023-10-25T08:10:04Z)
Improving Question Generation with Multi-level Content Planning [70.37285816596527]
本稿では、与えられたコンテキストと回答から質問を生成する問題に対処し、特に拡張されたコンテキストをまたいだマルチホップ推論を必要とする質問に焦点をあてる。具体的には、キーフレーズを同時に選択して完全な回答を生成するFA-modelと、生成した全回答を付加的な入力として取り込んだQ-modelの2つのコンポーネントを含む。
論文参考訳（メタデータ） (2023-10-20T13:57:01Z)
Answering Ambiguous Questions with a Database of Questions, Answers, and Revisions [95.92276099234344]
ウィキペディアから生成される曖昧な質問のデータベースを利用して、あいまいな質問に答えるための新しい最先端技術を提案する。提案手法は,リコール対策で15%,予測出力から不明瞭な質問を評価する尺度で10%向上する。
論文参考訳（メタデータ） (2023-08-16T20:23:16Z)
Answering Questions by Meta-Reasoning over Multiple Chains of Thought [53.55653437903948]
MCR(Multi-Chain Reasoning)は,大規模言語モデルに対して,複数の思考連鎖に対するメタ推論を促す手法である。 MCRは、異なる推論連鎖を調べ、それら間で情報を混合し、説明を生成し、答えを予測する際に最も関係のある事実を選択する。
論文参考訳（メタデータ） (2023-04-25T17:27:37Z)
Multifaceted Improvements for Conversational Open-Domain Question Answering [54.913313912927045]
対話型オープンドメイン質問回答(MICQA)のための多面的改善フレームワークを提案する。第一に、提案したKL分割に基づく正規化は、検索と解答のためのより良い質問理解をもたらすことができる。第二に、追加されたポストランカモジュールは、より関連性の高いパスをトップにプッシュし、2アスペクトの制約で読者に選択できる。第3に、十分に設計されたカリキュラム学習戦略は、訓練と推論の黄金の通路設定のギャップを効果的に狭め、黄金の通路支援なしで真の答えを見つけることを奨励する。
論文参考訳（メタデータ） (2022-04-01T07:54:27Z)
GTM: A Generative Triple-Wise Model for Conversational Question Generation [36.33685095934868]
オープンドメイン対話型質問生成(CQG)のための階層的変動を考慮した3次元生成モデルを提案する。提案手法は, 競争ベースラインよりも流線型, コヒーレンス, 多様性の観点から, 質問の質を著しく向上させる。
論文参考訳（メタデータ） (2021-06-07T14:07:07Z)
ParaQA: A Question Answering Dataset with Paraphrase Responses for Single-Turn Conversation [5.087932295628364]
ParaQAは知識グラフ(KG)上の1ターン会話のための複数のパラフレーズ応答を持つデータセットであるデータセットは半自動的なフレームワークを使って、バックトランスレーションのようなテクニックを使って、さまざまな回答のパラフレージングを生成する。
論文参考訳（メタデータ） (2021-03-13T18:53:07Z)
Effective FAQ Retrieval and Question Matching With Unsupervised Knowledge Injection [10.82418428209551]
質問に対して適切な回答を得るための文脈言語モデルを提案する。また、ドメイン固有の単語間のトポロジ関連関係を教師なしの方法で活用することについても検討する。提案手法のバリエーションを,公開可能な中国語FAQデータセット上で評価し,さらに大規模質問マッチングタスクに適用し,コンテキスト化する。
論文参考訳（メタデータ） (2020-10-27T05:03:34Z)
QADiscourse -- Discourse Relations as QA Pairs: Representation, Crowdsourcing and Baselines [22.103540930959237]
本稿では,会話関係をQAペアとして表現する新しい手法を提案する。提案した表現に基づいて,新しい広範囲QADiscourseデータセットと,QADiscourse関係を予測するためのベースラインアルゴリズムを収集する。
論文参考訳（メタデータ） (2020-10-06T15:25:15Z)
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)
MCQA: Multimodal Co-attention Based Network for Question Answering [81.13159904820382]
我々のアルゴリズムは、クエリのコンテキストを形成するマルチモーダル入力(テキスト、オーディオ、ビデオ)を融合し、整列する。マルチモーダル質問応答のベンチマークデータセットであるSocial-IQを用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2020-04-25T21:37:12Z)

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。