Fugu-MT 論文翻訳(概要): Representations for Question Answering from Documents with Tables and Text

論文の概要: Representations for Question Answering from Documents with Tables and Text

arxiv url: http://arxiv.org/abs/2101.10573v1
Date: Tue, 26 Jan 2021 05:52:20 GMT
ステータス: 翻訳完了
システム内更新日: 2021-03-13 19:58:05.061786
Title: Representations for Question Answering from Documents with Tables and Text
Title（参考訳）: 表とテキストを用いた文書からの質問応答表現
Authors: Vicky Zayats, Kristina Toutanova, and Mari Ostendorf
Abstract要約: 周囲のテキストからの情報をもとに表表現を精緻化することで、表からの質問応答の向上を目指します。また,全文からの質問応答のためのテキストと表に基づく予測を組み合わせるための有効な方法を提案する。
参考スコア（独自算出の注目度）: 22.522986299412807
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tables in Web documents are pervasive and can be directly used to answer many of the queries searched on the Web, motivating their integration in question answering. Very often information presented in tables is succinct and hard to interpret with standard language representations. On the other hand, tables often appear within textual context, such as an article describing the table. Using the information from an article as additional context can potentially enrich table representations. In this work we aim to improve question answering from tables by refining table representations based on information from surrounding text. We also present an effective method to combine text and table-based predictions for question answering from full documents, obtaining significant improvements on the Natural Questions dataset.
Abstract（参考訳）: Webドキュメントのテーブルは広く普及しており、Webで検索されたクエリの多くに答えるために直接使用することができる。表に示される情報はしばしば簡潔であり、標準言語表現では解釈が難しい。一方、テーブルは、表を記述した記事など、テキストのコンテキスト内に現れることが多い。記事の情報を追加のコンテキストとして使用すると、テーブル表現が強化される可能性があります。本研究は,周辺テキストの情報に基づいて表表現を精査することで,表からの質問応答を改善することを目的とする。また,全文書からの質問応答に対して,テキストと表に基づく予測を併用し,自然質問データセットの大幅な改善を実現するための効果的な手法を提案する。

関連論文リスト

Bridging Queries and Tables through Entities in Table Retrieval [70.13748256886288]
エンティティは、テキスト検索の文脈でよく研究されているが、テーブル検索におけるその応用についての研究は、顕著に欠如している。本稿では、実体表現に基づく相互作用パラダイムを設計し、エンティティ強化トレーニングフレームワークを提案する。提案するフレームワークはプラグアンドプレイでフレキシブルで,既存のテーブルレトリバーのトレーニングプロセスに統合しやすくする。
論文参考訳（メタデータ） (2025-04-09T03:16:33Z)
TableMaster: A Recipe to Advance Table Understanding with Language Models [0.0]
TableMasterはレシピと包括的なフレームワークで、これらの障害を克服するために複数のソリューションを統合する。 WikiTQデータセットでは、GPT-4o-miniを使用して78.13%の精度を達成し、既存のベースラインを上回っている。
論文参考訳（メタデータ） (2025-01-31T18:31:31Z)
Evaluation of Table Representations to Answer Questions from Tables in Documents : A Case Study using 3GPP Specifications [0.650923326742559]
関連するチャンクの点におけるテーブルの表現は明確ではない。各セルに対応するテーブルヘッダ情報を含むローレベル表現は、検索性能を向上させる。
論文参考訳（メタデータ） (2024-08-30T04:40:35Z)
Augment before You Try: Knowledge-Enhanced Table Question Answering via Table Expansion [57.53174887650989]
テーブル質問応答は、構造化されたデータを理解し、相互作用するモデルの能力を評価する一般的なタスクである。既存の方法は表と外部の知識の両方をテキストに変換し、表の構造的な性質を無視する。そこで本稿では,表に外部情報を統合するための簡易で効果的な手法を提案する。
論文参考訳（メタデータ） (2024-01-28T03:37:11Z)
Enhancing Open-Domain Table Question Answering via Syntax- and Structure-aware Dense Retrieval [21.585255812861632]
オープンドメインのテーブル質問応答は、大量のテーブルから情報を検索して抽出することで、質問に対する回答を提供することを目的としている。オープンドメインテーブルQAの既存の研究は、直接テキスト検索手法を採用するか、テーブル検索のための符号化層にのみテーブル構造を考慮する。オープンドメインテーブルQAタスクに対する構文と構造を意識した検索手法を提案する。
論文参考訳（メタデータ） (2023-09-19T10:40:09Z)
QTSumm: Query-Focused Summarization over Tabular Data [58.62152746690958]
人々は主に、データ分析を行うか、特定の質問に答えるためにテーブルをコンサルティングします。そこで本研究では,テキスト生成モデルに人間的な推論を行なわなければならない,クエリ中心のテーブル要約タスクを新たに定義する。このタスクには,2,934テーブル上の7,111の人間注釈付きクエリ-サマリーペアを含む,QTSummという新しいベンチマークを導入する。
論文参考訳（メタデータ） (2023-05-23T17:43:51Z)
MultiTabQA: Generating Tabular Answers for Multi-Table Question Answering [61.48881995121938]
実世界のクエリは本質的に複雑で、リレーショナルデータベースやWebページ内の複数のテーブルにまたがることが多い。我々のモデルであるMultiTabQAは、複数のテーブル上の質問に答えるだけでなく、表形式の回答を生成するために一般化する。
論文参考訳（メタデータ） (2023-05-22T08:25:15Z)
Table Retrieval May Not Necessitate Table-specific Model Design [83.27735758203089]
テーブル検索のタスクに焦点をあてて、"テーブル固有のモデル設計はテーブル検索に必要か? 自然質問データセット (NQ-table) の表に基づく分析の結果, 70%以上の症例では構造が無視できる役割を担っていることがわかった。次に、テーブル構造、すなわち補助列/カラム埋め込み、ハードアテンションマスク、ソフトリレーションに基づくアテンションバイアスを明示的にエンコードする3つのモジュールを実験する。いずれも大きな改善は得られず、テーブル固有のモデル設計がテーブル検索に不要である可能性が示唆された。
論文参考訳（メタデータ） (2022-05-19T20:35:23Z)
A Graph Representation of Semi-structured Data for Web Question Answering [96.46484690047491]
本稿では、半構造化データとそれらの関係の構成要素の体系的分類に基づいて、Webテーブルとリストのグラフ表現を提案する。本手法は,最先端のベースラインに対してF1スコアを3.90ポイント向上させる。
論文参考訳（メタデータ） (2020-10-14T04:01:54Z)
GraPPa: Grammar-Augmented Pre-Training for Table Semantic Parsing [117.98107557103877]
テーブルセマンティック解析のための効果的な事前学習手法GraPPaを提案する。我々は、同期文脈自由文法を用いて、高自由度テーブル上に合成質問ペアを構築する。実世界のデータを表現できるモデルの能力を維持するため、マスキング言語モデリングも含んでいる。
論文参考訳（メタデータ） (2020-09-29T08:17:58Z)
Summarizing and Exploring Tabular Data in Conversational Search [36.14882974814593]
会話指向のオープンドメインテーブル要約データセットを新たに構築する。注釈付きテーブルサマリーが含まれており、質問に答えるだけでなく、テーブル内の他の情報を探索するのに役立つ。本データセットを用いて,SOTAベースラインとして自動テーブル要約システムの開発を行う。
論文参考訳（メタデータ） (2020-05-23T08:29:51Z)
Open Domain Question Answering Using Web Tables [8.25461115955717]
ファクトイドクエリと非ファクトイドクエリの両方に対応可能なWebテーブルを用いたオープンドメインQAアプローチを開発した。当社のソリューションは,主要な商用Web検索エンジンで実運用に使用されており,毎月数千万の実際のユーザクエリに対して直接回答を提供する。
論文参考訳（メタデータ） (2020-01-10T01:25:04Z)

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。