Fugu-MT 論文翻訳(概要): A question-answering system for aircraft pilots' documentation

論文の概要: A question-answering system for aircraft pilots' documentation

arxiv url: http://arxiv.org/abs/2011.13284v1
Date: Thu, 26 Nov 2020 13:33:47 GMT
ステータス: 処理完了
システム内更新日: 2022-09-20 12:08:03.379716
Title: A question-answering system for aircraft pilots' documentation
Title（参考訳）: 航空機パイロットのドキュメンテーションのための質問応答システム
Authors: Alexandre Arnold and G\'erard Dupont and F\'elix Furger and Catherine Kobus and Fran\c{c}ois Lancelot
Abstract要約: 航空宇宙産業は、システム記述、マニュアル、手順を含む複雑な文書や技術文書の大量収集に依存している。本稿では,航空機パイロットが自然にシステムと対話し,自然言語による質問を行うことで,情報へのアクセスを支援する質問応答システムを提案する。
参考スコア（独自算出の注目度）: 58.720142291102135
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: The aerospace industry relies on massive collections of complex and technical documents covering system descriptions, manuals or procedures. This paper presents a question answering (QA) system that would help aircraft pilots access information in this documentation by naturally interacting with the system and asking questions in natural language. After describing each module of the dialog system, we present a multi-task based approach for the QA module which enables performance improvement on a Flight Crew Operating Manual (FCOM) dataset. A method to combine scores from the retriever and the QA modules is also presented.
Abstract（参考訳）: 航空宇宙産業は、システム記述、マニュアル、手順を含む複雑な文書や技術文書の大量収集に依存している。本稿では, 航空機パイロットが自然にシステムと対話し, 自然言語で質問することで, 情報へのアクセスを支援する質問応答システムを提案する。ダイアログシステムの各モジュールを記述した後、Flight Crew Operating Manual (FCOM)データセットの性能改善を可能にするマルチタスクベースのQAモジュールのアプローチを提案する。検索器のスコアとQAモジュールのスコアを組み合わせる方法も提示する。

関連論文リスト

Joint vs Sequential Speaker-Role Detection and Automatic Speech Recognition for Air-traffic Control [60.35553925189286]
本稿では,標準のASRアーキテクチャを頼りながら,両タスクを協調的に解決するトランスフォーマーベースのジョイントASR-SRDシステムを提案する。複数のATCデータセット上でのASRとSRDの2つのケースドアプローチとの比較を行った。
論文参考訳（メタデータ） (2024-06-19T21:11:01Z)
Read and Reap the Rewards: Learning to Play Atari with the Help of Instruction Manuals [69.76245723797368]
Read and Rewardは、Atariゲーム開発者がリリースしたマニュアルを読むことで、Atariゲーム上のRLアルゴリズムを高速化する。各種RLアルゴリズムは,設計支援による性能向上とトレーニング速度の向上を実現している。
論文参考訳（メタデータ） (2023-02-09T05:47:03Z)
PIE-QG: Paraphrased Information Extraction for Unsupervised Question Generation from Small Corpora [4.721845865189576]
PIE-QGは、オープン情報抽出(OpenIE)を使用して、パラフレーズ付き通路から合成トレーニング質問を生成する。主語,述語,対象>の3つを各節から抽出し,主語(または対象)と述語で質問し,対象(または対象)を回答とする。
論文参考訳（メタデータ） (2023-01-03T12:20:51Z)
Speech and Natural Language Processing Technologies for Pseudo-Pilot Simulator [0.5480546613836199]
本稿では,AtCos(Air-traffic Controls)トレーニングの高速化を目的とした,簡易かつ効率的な反復型モジュールシステムについて述べる。例えば、ATCo訓練中にEUROのESCAPE liteシミュレータ(https://www.eurocontrol.int/simulator/escape)に人間のパイロットが必要である。このニーズは、パイロットとして機能する自動システムによって置き換えることができる。
論文参考訳（メタデータ） (2022-12-14T11:34:59Z)
Retrieval Augmented Visual Question Answering with Outside Knowledge [14.371342370460685]
Outside-Knowledge Visual Question Answering (OK-VQA)は、画像に関する質問に答えるために外部知識の検索を必要とする難しいVQAタスクである。最近のOK-VQAシステムでは、Dense Passage Retrieval (DPR) を使用して、ウィキペディアのような外部知識ベースから文書を検索するが、回答生成とは別々に訓練されている。本稿では,対話型DPRと解答生成を統合した共同学習手法を提案する。
論文参考訳（メタデータ） (2022-10-07T20:35:58Z)
SpaceQA: Answering Questions about the Design of Space Missions and Space Craft Concepts [57.012600276711005]
宇宙ミッション設計における最初のオープンドメインQAシステムであるSpaceQAについて述べる。 SpaceQAは、欧州宇宙機関(ESA)による、宇宙ミッションの設計に関する情報のアクセス、共有、再利用を容易にするイニシアチブの一部である。
論文参考訳（メタデータ） (2022-10-07T09:41:39Z)
Knowledge Graph -- Deep Learning: A Case Study in Question Answering in Aviation Safety Domain [37.73707014280823]
本稿では,航空安全のための知識グラフ(KG)誘導深層学習(DL)に基づく質問応答システムを提案する。航空機事故報告から知識グラフを構築し,研究者のコミュニティに貢献する。統合QAシステムは,GPT-3よりも9.3%,BERT QAより40.3%の精度向上を実現している。
論文参考訳（メタデータ） (2022-05-31T16:49:55Z)
AnswerQuest: A System for Generating Question-Answer Items from Multi-Paragraph Documents [1.0896567381206712]
本稿では,質問応答タスク(QA)と質問生成タスク(QG)を統合し,複数のパラグラフ文書の内容を伝えるQ&A項目を生成するシステムについてデモする。両タスクの改善をもたらすQAとQGに関するいくつかの実験を報告し、テキストのQ&A項目のリストを作成するための相互作用を評価します。
論文参考訳（メタデータ） (2021-03-05T17:36:04Z)
Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2020-10-29T18:28:16Z)
Knowledge Distillation for Improved Accuracy in Spoken Question Answering [63.72278693825945]
我々は,音声文書や書面文書から知識蒸留を行うための訓練戦略を考案した。我々の研究は、言語モデルから知識の抽出を監督信号として進めている。実験により,本手法はSpken-SQuADデータセット上で,最先端の言語モデルよりも優れていることが示された。
論文参考訳（メタデータ） (2020-10-21T15:18:01Z)

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。