論文の概要: Improving Multi-hop Knowledge Base Question Answering by Learning
Intermediate Supervision Signals
- arxiv url: http://arxiv.org/abs/2101.03737v1
- Date: Mon, 11 Jan 2021 07:49:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 14:50:33.324505
- Title: Improving Multi-hop Knowledge Base Question Answering by Learning
Intermediate Supervision Signals
- Title(参考訳): 中間監督信号学習によるマルチホップ知識ベース質問応答の改善
- Authors: Gaole He, Yunshi Lan, Jing Jiang, Wayne Xin Zhao and Ji-Rong Wen
- Abstract要約: マルチホップ知識ベース質問回答(KBQA)は、質問のエンティティから知識ベース(KB)に複数のホップである回答エンティティを見つけることを目的としています。
マルチホップKBQAタスクのための新しい教師学生アプローチを提案する。
本手法では,教師ネットワークが中間監督信号の学習を試みている間,生徒ネットワークは質問に対する正しい答えを見つけることを目的としている。
- 参考スコア(独自算出の注目度): 44.7162547901623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-hop Knowledge Base Question Answering (KBQA) aims to find the answer
entities that are multiple hops away in the Knowledge Base (KB) from the
entities in the question. A major challenge is the lack of supervision signals
at intermediate steps. Therefore, multi-hop KBQA algorithms can only receive
the feedback from the final answer, which makes the learning unstable or
ineffective.
To address this challenge, we propose a novel teacher-student approach for
the multi-hop KBQA task. In our approach, the student network aims to find the
correct answer to the query, while the teacher network tries to learn
intermediate supervision signals for improving the reasoning capacity of the
student network. The major novelty lies in the design of the teacher network,
where we utilize both forward and backward reasoning to enhance the learning of
intermediate entity distributions. By considering bidirectional reasoning, the
teacher network can produce more reliable intermediate supervision signals,
which can alleviate the issue of spurious reasoning. Extensive experiments on
three benchmark datasets have demonstrated the effectiveness of our approach on
the KBQA task.
- Abstract(参考訳): KBQA(Multi-hop Knowledge Base Question Answering)は、知識ベース(KB)から複数のホップを持つ答えエンティティを抽出することを目的としている。
主要な課題は、中間段階における監視信号の欠如である。
したがって、マルチホップKBQAアルゴリズムは最終回答からのフィードバックしか受信できないため、学習が不安定または非効率になる。
この課題に対処するために,マルチホップKBQAタスクのための新しい教師学生アプローチを提案する。
本研究では,学生ネットワークが質問に対する正しい回答を見つけることを目的としており,教師ネットワークは学生ネットワークの推論能力を向上させるための中間的監督信号の学習を試みる。
教師ネットワークの設計において,中間実体分布の学習を促進するために,前向き推論と後向き推論の両方を利用する。
双方向推論を考えることで、教師ネットワークはより信頼性の高い中間監督信号を生成することができる。
3つのベンチマークデータセットに対する大規模な実験により、KBQAタスクに対するアプローチの有効性が実証された。
関連論文リスト
- An Entailment Tree Generation Approach for Multimodal Multi-Hop Question Answering with Mixture-of-Experts and Iterative Feedback Mechanism [14.479060028732803]
マルチモーダルなマルチホップ質問応答の現在の手法は、主に2つの課題に直面している。
大量の冗長な情報を含む検索された証拠は、性能を著しく低下させる。
解釈可能な推論ステップのない推論プロセスは、複雑な問題を扱うための論理的誤りを発見するのを難しくする。
論文 参考訳(メタデータ) (2024-12-08T05:47:55Z) - Automated Distractor and Feedback Generation for Math Multiple-choice
Questions via In-context Learning [43.83422798569986]
マルチチョイス質問(MCQ)は、管理しやすく、格付けし、信頼性の高い評価形式であるため、ほぼ全てのレベルの教育においてユビキタスである。
これまで、高品質なイントラクタを作るというタスクは、教師やコンテンツデザイナーを学ぶための労働集約的なプロセスのままだった。
本稿では,テキスト内学習をベースとした簡易な学習手法を提案する。
論文 参考訳(メタデータ) (2023-08-07T01:03:04Z) - Rethinking Label Smoothing on Multi-hop Question Answering [87.68071401870283]
MHQA (Multi-Hop Question Answering) は質問応答において重要な分野である。
本研究では,マルチホップ推論の性能を制限する主要な要因を解析する。
学習プロセスに不確実性を組み込んだ新しいラベル平滑化手法F1 Smoothingを提案する。
論文 参考訳(メタデータ) (2022-12-19T14:48:08Z) - Calibrating Trust of Multi-Hop Question Answering Systems with
Decompositional Probes [14.302797773412543]
マルチホップ質問回答(Multi-hop Question Answering, QA)は、複数の文脈からの情報の正確な集約を必要とするため、難しい課題である。
マルチホップQAにおける最近の研究は、まず質問を単純なシングルホップの質問に分解することで、パフォーマンスを向上できることを示している。
そこで本研究では,分解はQAシステムを探索する有効な方法であり,説明生成への有望なアプローチであることを示す。
論文 参考訳(メタデータ) (2022-04-16T01:03:36Z) - RocketQA: An Optimized Training Approach to Dense Passage Retrieval for
Open-Domain Question Answering [55.280108297460636]
オープンドメインの質問応答では、回答を見つけるための関連するパスを検索する新たなパラダイムとして、高密度なパス検索が採用されている。
我々は,高密度経路探索を改善するために,RocketQAと呼ばれる最適化されたトレーニング手法を提案する。
RocketQAには3つの主要な技術的コントリビューション、すなわちクロスバッチなネガ、デノナイズドハードなネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネ
論文 参考訳(メタデータ) (2020-10-16T06:54:05Z) - Point Adversarial Self Mining: A Simple Method for Facial Expression
Recognition [79.75964372862279]
本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。
PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。
適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
論文 参考訳(メタデータ) (2020-08-26T06:39:24Z) - Neural Multi-Task Learning for Teacher Question Detection in Online
Classrooms [50.19997675066203]
教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。
マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
論文 参考訳(メタデータ) (2020-05-16T02:17:04Z) - Learning to Recover Reasoning Chains for Multi-Hop Question Answering
via Cooperative Games [66.98855910291292]
本稿では,弱い教師付き信号から推論連鎖を復元する学習法を提案する。
証拠通路をどのように選択し、どのように選択された通路を接続するかを2つのモデルで処理する。
評価のために、2つのマルチホップQAデータセットに基づいたベンチマークを作成しました。
論文 参考訳(メタデータ) (2020-04-06T03:54:38Z)
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。