論文の概要: Diverse and Non-redundant Answer Set Extraction on Community QA based on DPPs

• arxiv url: http://arxiv.org/abs/2011.09140v1
• Date: Wed, 18 Nov 2020 07:33:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 03:53:40.277979
• Title: Diverse and Non-redundant Answer Set Extraction on Community QA based on DPPs
• Title（参考訳）: DPPに基づくコミュニティQAに基づく多変量および非冗長解集合抽出
• Authors: Shogo Fujita and Tomohide Shibata and Manabu Okumura
• Abstract要約: コミュニティベースの質問応答プラットフォームでは、ユーザが多くの回答の中から有用な情報を得るのに時間がかかる。 本稿では,回答のランク付けよりも多様で非冗長な回答セットを選択することを提案する。
• 参考スコア（独自算出の注目度）: 18.013010857062643
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In community-based question answering (CQA) platforms, it takes time for a user to get useful information from among many answers. Although one solution is an answer ranking method, the user still needs to read through the top-ranked answers carefully. This paper proposes a new task of selecting a diverse and non-redundant answer set rather than ranking the answers. Our method is based on determinantal point processes (DPPs), and it calculates the answer importance and similarity between answers by using BERT. We built a dataset focusing on a Japanese CQA site, and the experiments on this dataset demonstrated that the proposed method outperformed several baseline methods.
• Abstract（参考訳）: コミュニティベースの質問応答(CQA)プラットフォームでは、ユーザが多くの回答から有用な情報を得るのに時間がかかる。 1つの解決策は回答ランキング法であるが、ユーザは依然としてトップランクの回答を注意深く読む必要がある。 本稿では,回答のランク付けではなく,多様で非冗長な回答集合を選択する新しいタスクを提案する。 本手法はDPP(Determinantal Point Process)に基づいて,BERTを用いて回答の重要度と類似度を算出する。 本研究では,日本のcqaサイトに着目したデータセットを構築し,提案手法が複数のベースライン手法を上回っていることを示す実験を行った。

関連論文リスト

• Exploring Answer Information Methods for Question Generation with Transformers [0.5904095466127044]
  我々は3つの異なる手法とその組み合わせを用いて回答情報を取り入れ、その効果をいくつかの自動評価指標で調べる。 追加のモードを使わずに解答のプロンプトが、ルージュ、隕石のスコアで最高のスコアを得るのを観察する。 カスタムメトリックを使用して、生成した質問の何個が同じ回答を持つかを計算する。
  論文  参考訳（メタデータ） (2023-12-06T13:26:16Z)
• 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)
• Best-Answer Prediction in Q&A Sites Using User Information [2.982218441172364]
  コミュニティ質問回答 (CQA) サイトは近年, 大きく普及している。 そのような答えを見つけるための実践的な方法は、既存の回答とコメントが与えられた最高の候補を自動的に予測することです。 本稿では,質問者の背景情報やその他の特徴を用いて,最適な回答を予測するための新しい手法を用いて,この制限に対処する。
  論文  参考訳（メタデータ） (2022-12-15T02:28:52Z)
• Diverse Multi-Answer Retrieval with Determinantal Point Processes [11.925050407713597]
  本稿では,BERTをカーネルとして利用する決定点プロセスを用いた再ランク付け手法を提案する。 その結果,本手法はAmbigQAデータセットの最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-11-29T08:54:05Z)
• Answer Consolidation: Formulation and Benchmarking [35.38034364777484]
  我々は、回答を複数のグループに分割する、回答統合の問題を定式化する。 包括的で非冗長な答えの集合は、各グループから1つの答えを選択することで構成できる。 最高のパフォーマンスの教師付きモデルによって達成される有望なパフォーマンスにもかかわらず、このタスクにはさらなる改善の余地があると考えています。
  論文  参考訳（メタデータ） (2022-04-29T18:57:23Z)
• GooAQ: Open Question Answering with Diverse Answer Types [63.06454855313667]
  さまざまな回答型を持つ大規模データセットであるGooAQを紹介する。 このデータセットには500万の質問と300万の回答が含まれている。
  論文  参考訳（メタデータ） (2021-04-18T05:40:39Z)
• ComQA:Compositional Question Answering via Hierarchical Graph Neural Networks [47.12013005600986]
  我々は,120万以上の人間ラベル質問を含む大規模構成質問応答データセットを提案する。 ComQA問題に対処するために,低レベル語から高レベル語までの文書を表す階層型グラフニューラルネットワークを提案する。 提案モデルは,先行する機械読解法や事前学習法に比べて大幅に改善する。
  論文  参考訳（メタデータ） (2021-01-16T08:23:27Z)
• Few-Shot Complex Knowledge Base Question Answering via Meta Reinforcement Learning [55.08037694027792]
  複雑な質問答え(CQA)は、知識ベース(KB)上の複雑な自然言語質問に答える。 従来のニューラルプログラム誘導(NPI)アプローチは、質問の種類が異なる場合、不均一なパフォーマンスを示す。 本稿では,CQAにおけるプログラム誘導のためのメタ強化学習手法を提案する。
  論文  参考訳（メタデータ） (2020-10-29T18:34:55Z)
• 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)
• Unsupervised Question Decomposition for Question Answering [102.56966847404287]
  本論文では, ワンツーNアン教師付きシーケンスシーケンス(ONUS)のアルゴリズムを提案する。 当初,ドメイン外,マルチホップ開発セットのベースラインが強かったため,HotpotQAでは大きなQA改善が見られた。
  論文  参考訳（メタデータ） (2020-02-22T19:40:35Z)

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。