論文の概要: Leveraging Query Resolution and Reading Comprehension for Conversational
Passage Retrieval
- arxiv url: http://arxiv.org/abs/2102.08795v1
- Date: Wed, 17 Feb 2021 14:41:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-18 14:36:38.873101
- Title: Leveraging Query Resolution and Reading Comprehension for Conversational
Passage Retrieval
- Title(参考訳): 対話型パッセージ検索のためのクエリリゾリューションと可読化の活用
- Authors: Svitlana Vakulenko, Nikos Voskarides, Zhucheng Tu, Shayne Longpre
- Abstract要約: 本稿では,TREC CAsT 2020トラックでのUvA.ILPSグループ参加について述べる。
パイプラインは, (i) BM25を用いた初期検索モジュールと, (ii) BERTランキングモデルのスコアと, 通過検索のために調整された機械理解モデルのスコアを組み合わせた再ランクモジュールから構成される。
- 参考スコア(独自算出の注目度): 6.490148466525755
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper describes the participation of UvA.ILPS group at the TREC CAsT
2020 track. Our passage retrieval pipeline consists of (i) an initial retrieval
module that uses BM25, and (ii) a re-ranking module that combines the score of
a BERT ranking model with the score of a machine comprehension model adjusted
for passage retrieval. An important challenge in conversational passage
retrieval is that queries are often under-specified. Thus, we perform query
resolution, that is, add missing context from the conversation history to the
current turn query using QuReTeC, a term classification query resolution model.
We show that our best automatic and manual runs outperform the corresponding
median runs by a large margin.
- Abstract(参考訳): 本稿では,TREC CAsT 2020トラックでのUvA.ILPSグループ参加について述べる。
経路探索パイプラインは, (i) BM25を用いた初期検索モジュールと, (ii) BERTランキングモデルのスコアと, 経路探索のために調整された機械理解モデルのスコアとを組み合わせた再ランクモジュールから構成される。
会話の通路検索における重要な課題は、クエリーがしばしば不特定であることだ。
そこで我々は,項分類クエリ解決モデルであるquretecを用いて,会話履歴から現在のターンクエリに欠落したコンテキストを追加してクエリ解決を行う。
最適自動走行とマニュアル走行は、対応する中央値走行を大きなマージンで上回っていることを示す。
関連論文リスト
- Sequencing Matters: A Generate-Retrieve-Generate Model for Building
Conversational Agents [9.191944519634111]
Georgetown InfoSense GroupはTREC iKAT 2023の課題を解決するために活動している。
提案手法は, 各カット数, 総合成功率において, nDCG において高い性能を示した。
我々のソリューションは、初期回答にLarge Language Models (LLMs) を用いること、BM25による回答基盤、ロジスティック回帰による通過品質フィルタリング、LLMによる回答生成である。
論文 参考訳(メタデータ) (2023-11-16T02:37:58Z) - Mixed-initiative Query Rewriting in Conversational Passage Retrieval [11.644235288057123]
TREC Conversational Assistance Track (CAsT) 2022の手法と実験について報告する。
本稿では,ユーザとシステム間の混在開始応答に基づいてクエリ書き換えを行う複合開始型クエリ書き換えモジュールを提案する。
TREC CAsT 2021 と TREC CAsT 2022 の2つのデータセットを用いた実験により,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2023-07-17T19:38:40Z) - End-to-end Knowledge Retrieval with Multi-modal Queries [50.01264794081951]
ReMuQは、テキストと画像のクエリからコンテンツを統合することで、大規模なコーパスから知識を取得するシステムを必要とする。
本稿では,入力テキストや画像を直接処理し,関連する知識をエンドツーエンドで検索する検索モデルReViz'を提案する。
ゼロショット設定下での2つのデータセットの検索において,優れた性能を示す。
論文 参考訳(メタデータ) (2023-06-01T08:04:12Z) - Incorporating Relevance Feedback for Information-Seeking Retrieval using
Few-Shot Document Re-Ranking [56.80065604034095]
我々は,クエリとユーザが関連すると考えるドキュメントとの類似性に基づいて,文書を再参照するkNNアプローチを提案する。
異なる統合戦略を評価するため、既存の4つの情報検索データセットを関連フィードバックシナリオに変換する。
論文 参考訳(メタデータ) (2022-10-19T16:19:37Z) - IITD-DBAI: Multi-Stage Retrieval with Pseudo-Relevance Feedback and
Query Reformulation [0.0]
コンテキスト依存を解決することは、会話システムにおいて最も難しいタスクの1つです。
我々の提案は、中央値モデルよりも平均的なNDCG@3パフォーマンスを実現した。
論文 参考訳(メタデータ) (2022-03-31T14:07:47Z) - Tradeoffs in Sentence Selection Techniques for Open-Domain Question
Answering [54.541952928070344]
文選択のためのモデルの2つのグループについて述べる。QAベースのアプローチは、解答候補を特定するための完全なQAシステムを実行し、検索ベースのモデルは、各質問に特に関連する各節の一部を見つける。
非常に軽量なQAモデルは、このタスクではうまく機能するが、検索ベースモデルは高速である。
論文 参考訳(メタデータ) (2020-09-18T23:39:15Z) - Brown University at TREC Deep Learning 2019 [11.63256359906015]
本稿では,ブラウン大学のTREC 2019 Deep Learningトラックへの提出について述べる。
ブラウンのチームは、パス検索タスク(フルランクとリランクを含む)で3位、再ランクの申請のみを考えると2位にランクインした。
論文 参考訳(メタデータ) (2020-09-08T22:54:03Z) - 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) - Query Focused Multi-Document Summarization with Distant Supervision [88.39032981994535]
既存の作業は、クエリとテキストセグメント間の関連性を推定する検索スタイルの手法に大きく依存している。
本稿では,クエリに関連するセグメントを推定するための個別モジュールを導入した粗大なモデリングフレームワークを提案する。
我々のフレームワークは、標準QFSベンチマークにおいて、強力な比較システムよりも優れていることを実証する。
論文 参考訳(メタデータ) (2020-04-06T22:35:19Z) - Pre-training Tasks for Embedding-based Large-scale Retrieval [68.01167604281578]
本稿では,大規模クエリ文書検索問題について考察する。
クエリ(例えば質問)が与えられたら、関連するドキュメントのセットを大きなドキュメントコーパスから返します。
本稿では, 組込み型トランスフォーマーモデルの学習の鍵となる要素が, 事前学習作業のセットであることを示す。
論文 参考訳(メタデータ) (2020-02-10T16:44:00Z)
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。