論文の概要: Using Natural Language Relations between Answer Choices for Machine
Comprehension
- arxiv url: http://arxiv.org/abs/2012.15837v1
- Date: Thu, 31 Dec 2020 18:55:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 17:10:31.590421
- Title: Using Natural Language Relations between Answer Choices for Machine
Comprehension
- Title(参考訳): 機械理解における回答選択の自然言語関係の利用
- Authors: Rajkumar Pujari and Dan Goldwasser
- Abstract要約: 本論文では,機械理解の性能向上のために,包含や矛盾といった解答選択間の自然言語関係を活用する手法を提案する。
また,両タスクを共同で学習するマルチタスク学習モデルを提案する。
- 参考スコア(独自算出の注目度): 32.45844219516005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When evaluating an answer choice for Reading Comprehension task, other answer
choices available for the question and the answers of related questions about
the same paragraph often provide valuable information. In this paper, we
propose a method to leverage the natural language relations between the answer
choices, such as entailment and contradiction, to improve the performance of
machine comprehension. We use a stand-alone question answering (QA) system to
perform QA task and a Natural Language Inference (NLI) system to identify the
relations between the choice pairs. Then we perform inference using an Integer
Linear Programming (ILP)-based relational framework to re-evaluate the
decisions made by the standalone QA system in light of the relations identified
by the NLI system. We also propose a multitask learning model that learns both
the tasks jointly.
- Abstract(参考訳): Reading Comprehension タスクに対する回答の選択を評価する際、質問に利用できる他の回答の選択と、同じ段落に関する関連する質問の回答は、しばしば貴重な情報を提供する。
本稿では,機械理解の性能を向上させるために,包含や矛盾といった回答選択間の自然言語関係を活用する手法を提案する。
我々は,スタンドアロン質問応答(qa)システムを用いてqaタスクを実行し,自然言語推論(nli)システムを用いて選択ペア間の関係を識別する。
Integer Linear Programming(ILP)ベースのリレーショナルフレームワークを用いて推論を行い、NLIシステムによって識別される関係を考慮してスタンドアロンのQAシステムによる決定を再評価する。
また,両タスクを共同で学習するマルチタスク学習モデルを提案する。
関連論文リスト
- elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。
このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。
elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
論文 参考訳(メタデータ) (2022-03-17T16:23:45Z) - Question rewriting? Assessing its importance for conversational question
answering [0.6449761153631166]
本研究では,SCAI(Search-Oriented Conversational AI)共有タスクに特化して設計された対話型質問応答システムを提案する。
特に,質問書き直しモジュールの異なるバリエーションを検討した。
我々のシステムは共有タスクにおいて最高の性能を達成し、システム全体の性能に対する会話コンテキスト表現の重要性を強調した。
論文 参考訳(メタデータ) (2022-01-22T23:31:25Z) - Relation-aware Video Reading Comprehension for Temporal Language
Grounding [67.5613853693704]
ビデオ中の時間的言語基盤は、与えられたクエリ文に関連する時間的スパンをローカライズすることを目的としている。
本稿では,映像読解の時間的基盤を定式化し,それに対応する関係認識ネットワーク(RaNet)を提案する。
論文 参考訳(メタデータ) (2021-10-12T03:10:21Z) - Generating Self-Contained and Summary-Centric Question Answer Pairs via
Differentiable Reward Imitation Learning [7.2745835227138045]
本稿では,質問応答対(QAペア)を自己完結型,要約型,長さ制約型,記事要約型で生成するモデルを提案する。
このデータセットは、回答として要約を生成するQAペア生成モデルを学ぶために使用される。
論文 参考訳(メタデータ) (2021-09-10T06:34:55Z) - Self-supervised Dialogue Learning for Spoken Conversational Question
Answering [29.545937716796082]
音声対話質問応答(SCQA)では、複数の会話を含む固定された音声文書を検索して分析することにより、対応する質問に対する回答を生成する。
本研究では,不整合判定,挿入検出,質問予測などの自己教師付き学習手法を導入し,コア参照の解決と対話のコヒーレンスを明確に把握する。
提案手法は,従来の事前学習言語モデルと比較して,より一貫性があり,意味があり,適切な応答を提供する。
論文 参考訳(メタデータ) (2021-06-04T00:09:38Z) - BERT-CoQAC: BERT-based Conversational Question Answering in Context [10.811729691130349]
履歴変換をシステム内に組み込むためのBERTという,パブリックに利用可能なプリトレーニング言語モデルに基づくフレームワークを紹介する。
実験の結果,我々のフレームワークはQuACリーダボードの最先端モデルと同等の性能を示した。
論文 参考訳(メタデータ) (2021-04-23T03:05:17Z) - Learning with Instance Bundles for Reading Comprehension [61.823444215188296]
質問応答スコアを複数の関連インスタンスで比較する新しい監視手法を提案する。
具体的には、密接に対照的な質問や回答のさまざまな近所でこれらのスコアを正規化します。
2つのデータセット上のインスタンスバンドルによるトレーニングの有効性を実証的に実証する。
論文 参考訳(メタデータ) (2021-04-18T06:17:54Z) - Open-Retrieval Conversational Machine Reading [80.13988353794586]
会話機械読解では、システムは自然言語規則を解釈し、ハイレベルな質問に答え、フォローアップの明確化を問う必要がある。
既存の作業では、ルールテキストがユーザ毎の質問に対して提供されると仮定し、実際のシナリオにおいて必須の検索ステップを無視する。
本研究では,対話型機械読解のオープンリトリーバル設定を提案し,検討する。
論文 参考訳(メタデータ) (2021-02-17T08:55:01Z) - Question Answering over Knowledge Bases by Leveraging Semantic Parsing
and Neuro-Symbolic Reasoning [73.00049753292316]
本稿では,意味解析と推論に基づくニューロシンボリック質問回答システムを提案する。
NSQAはQALD-9とLC-QuAD 1.0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) (2020-12-03T05:17:55Z)
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。