論文の概要: Open-Domain Conversational Search Assistant with Transformers

• arxiv url: http://arxiv.org/abs/2101.08197v1
• Date: Wed, 20 Jan 2021 16:02:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 01:32:27.562489
• Title: Open-Domain Conversational Search Assistant with Transformers
• Title（参考訳）: トランスフォーマーを用いたオープンドメイン対話型検索アシスタント
• Authors: Rafael Ferreira, Mariana Leite, David Semedo and Joao Magalhaes
• Abstract要約: トランスフォーマーアーキテクチャが重要なIRタスクで最先端の結果を達成する方法を示します。 2つの大きな課題を解決するために、オープンドメインの抽象的な対話型検索エージェントパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 4.735500711531941
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-domain conversational search assistants aim at answering user questions about open topics in a conversational manner. In this paper we show how the Transformer architecture achieves state-of-the-art results in key IR tasks, leveraging the creation of conversational assistants that engage in open-domain conversational search with single, yet informative, answers. In particular, we propose an open-domain abstractive conversational search agent pipeline to address two major challenges: first, conversation context-aware search and second, abstractive search-answers generation. To address the first challenge, the conversation context is modeled with a query rewriting method that unfolds the context of the conversation up to a specific moment to search for the correct answers. These answers are then passed to a Transformer-based re-ranker to further improve retrieval performance. The second challenge, is tackled with recent Abstractive Transformer architectures to generate a digest of the top most relevant passages. Experiments show that Transformers deliver a solid performance across all tasks in conversational search, outperforming the best TREC CAsT 2019 baseline.
• Abstract（参考訳）: オープンドメイン会話検索アシスタントは、オープントピックに関するユーザの質問に会話形式で答えることを目的としている。 本稿では,トランスフォーマーアーキテクチャが,オープンドメインの対話型検索に係わる対話型アシスタントを単一かつ有意義な回答で作成することにより,重要なIRタスクにおける最先端結果を実現する方法を示す。 特に,会話コンテキストを意識した検索と,第2の抽象的検索回答生成という2つの大きな課題に対処する,オープンドメインの抽象的対話型検索エージェントパイプラインを提案する。 最初の課題に対処するために、会話コンテキストは、適切な回答を検索するために、会話のコンテキストを特定の瞬間まで展開するクエリ書き換えメソッドでモデル化される。 これらの回答はTransformerベースのリランカに渡され、検索性能がさらに向上する。 第2の課題は、最近の抽象トランスフォーマーアーキテクチャに取り組み、最も関係のある最上位の通路のダイジェストを生成することである。 実験によると、Transformerは会話検索のすべてのタスクに対して安定したパフォーマンスを提供し、TREC CAsT 2019ベースラインで最高のパフォーマンスを発揮する。

関連論文リスト

• IRLab@iKAT24: Learned Sparse Retrieval with Multi-aspect LLM Query Generation for Conversational Search [6.974395116689502]
  iKAT 2024は、対話アシスタントの進化に焦点を当て、対話と応答をパーソナライズされたユーザー知識から適応することができる。 このトラックには、Personal Textual Knowledge Base(PTKB)と会話型AIタスク(通訳ランキングや応答生成など)が組み込まれている。
  論文  参考訳（メタデータ） (2024-11-22T05:18:35Z)
• Learning When to Retrieve, What to Rewrite, and How to Respond in Conversational QA [16.1357049130957]
  シングルターンSELF-RAGフレームワークを構築し,会話設定のためのSELF-multi-RAGを提案する。 SELF-multi-RAGは、関連するパスの検索に関して、シングルターン変種よりも改善された機能を示す。
  論文  参考訳（メタデータ） (2024-09-23T20:05:12Z)
• Social Commonsense-Guided Search Query Generation for Open-Domain Knowledge-Powered Conversations [66.16863141262506]
  本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。 提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
  論文  参考訳（メタデータ） (2023-10-22T16:14:56Z)
• SSP: Self-Supervised Post-training for Conversational Search [63.28684982954115]
  本稿では,対話型検索モデルを効率的に初期化するための3つの自己教師型タスクを備えた学習後パラダイムであるフルモデル(モデル)を提案する。 提案手法の有効性を検証するために,CAsT-19 と CAsT-20 の2つのベンチマークデータセットを用いて,会話検索タスクにモデルにより訓練後の会話エンコーダを適用した。
  論文  参考訳（メタデータ） (2023-07-02T13:36:36Z)
• Knowledge-driven Answer Generation for Conversational Search [4.735500711531941]
  オープンドメイン会話検索のための知識駆動型回答生成手法を提案する。 会話全体のエンティティの知識グラフは、検索回答生成のバイアスに使用される。 実験により,提案手法が会話中のエンティティ知識をうまく活用できることが確認された。
  論文  参考訳（メタデータ） (2021-04-14T14:35:54Z)
• Pretrained Transformers for Text Ranking: BERT and Beyond [53.83210899683987]
  このサーベイは、トランスフォーマーとして知られるニューラルネットワークアーキテクチャによるテキストランキングの概要を提供する。 トランスフォーマーと自己教師型事前学習の組み合わせは、自然言語処理のパラダイムシフトの原因となっている。
  論文  参考訳（メタデータ） (2020-10-13T15:20:32Z)
• Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
  本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。 我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
  論文  参考訳（メタデータ） (2020-05-24T11:37:22Z)
• Open-Retrieval Conversational Question Answering [62.11228261293487]
  オープン検索型対話型質問応答 (ORConvQA) の設定を導入する。 ORConvQAのエンド・ツー・エンドシステムを構築し,レトリバー,リランカ,およびすべてトランスフォーマーをベースとしたリーダを特徴とする。
  論文  参考訳（メタデータ） (2020-05-22T19:39:50Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)

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。