論文の概要: MCR-Net: A Multi-Step Co-Interactive Relation Network for Unanswerable Questions on Machine Reading Comprehension

• arxiv url: http://arxiv.org/abs/2103.04567v1
• Date: Mon, 8 Mar 2021 06:38:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-09 15:44:29.864138
• Title: MCR-Net: A Multi-Step Co-Interactive Relation Network for Unanswerable Questions on Machine Reading Comprehension
• Title（参考訳）: MCR-Net : 機械読解の解答不能な質問に対するマルチステップ協調関係ネットワーク
• Authors: Wei Peng, Yue Hu, Jing Yu, Luxi Xing, Yuqiang Xie, Zihao Zhu, Yajing Sun
• Abstract要約: 質問と文の相互相互作用を明示的にモデル化するマルチステップ協調関係ネットワーク(mcr-net)を提案する。 我々は,本モデルが文学におけるBERTスタイルのベースラインを上回り,顕著な改善を実現していることを示す。
• 参考スコア（独自算出の注目度）: 14.926981547759182
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Question answering systems usually use keyword searches to retrieve potential passages related to a question, and then extract the answer from passages with the machine reading comprehension methods. However, many questions tend to be unanswerable in the real world. In this case, it is significant and challenging how the model determines when no answer is supported by the passage and abstains from answering. Most of the existing systems design a simple classifier to determine answerability implicitly without explicitly modeling mutual interaction and relation between the question and passage, leading to the poor performance for determining the unanswerable questions. To tackle this problem, we propose a Multi-Step Co-Interactive Relation Network (MCR-Net) to explicitly model the mutual interaction and locate key clues from coarse to fine by introducing a co-interactive relation module. The co-interactive relation module contains a stack of interaction and fusion blocks to continuously integrate and fuse history-guided and current-query-guided clues in an explicit way. Experiments on the SQuAD 2.0 and DuReader datasets show that our model achieves a remarkable improvement, outperforming the BERT-style baselines in literature. Visualization analysis also verifies the importance of the mutual interaction between the question and passage.
• Abstract（参考訳）: 質問応答システムは、通常、キーワード検索を使用して、質問に関連する潜在的な通路を検索し、機械読解法で回答を抽出する。 しかし、多くの質問は現実世界では答えられません。 この場合、このモデルが、どの回答が通過によって支持され、応答が断たれるかを判断する方法は、重要かつ困難である。 既存のシステムの多くは、質問と通過の間の相互相互作用と関係を明示的にモデル化することなく、暗黙的に応答可能性を決定するための単純な分類器を設計している。 そこで本研究では,相互相互作用をモデル化し,相互相互作用モジュールを導入することにより,粗雑から微妙に重要な手がかりを見つけるためのマルチステップ協調関係ネットワーク(MCR-Net)を提案する。 相互作用ブロックと融合ブロックのスタックを含み、履歴誘導および現在クエリ誘導の手がかりを明示的な方法で連続的に統合・融合する。 SQuAD 2.0とDuReaderデータセットの実験は、私たちのモデルが驚くほどの改善を達成し、文学におけるBERTスタイルのベースラインを上回っていることを示しています。 可視化分析は、質問と通過の間の相互相互作用の重要性も検証する。

関連論文リスト

• PAQA: Toward ProActive Open-Retrieval Question Answering [34.883834970415734]
  本研究の目的は、ユーザクエリとドキュメントの両方に存在する固有の曖昧さを考慮し、関連性のある明確な質問を生成するという課題に取り組むことである。 本稿では,既存のAmbiNQデータセットの拡張であるPAQAを提案する。 次に,様々なモデルの評価を行い,経路探索があいまいさの検出と明瞭な質問の生成にどのように影響するかを評価する。
  論文  参考訳（メタデータ） (2024-02-26T14:40:34Z)
• Chain-of-Discussion: A Multi-Model Framework for Complex Evidence-Based Question Answering [62.14682452663157]
  本稿では,オープンソースのLarge Language Model間の相乗効果を利用する新しいChain-of-Discussionフレームワークを提案する。 実験の結果,複数のLSM間の議論は回答の質を高める上で重要な役割を担っていることがわかった。
  論文  参考訳（メタデータ） (2024-02-26T05:31:34Z)
• Successive Prompting for Decomposing Complex Questions [50.00659445976735]
  最近の研究は、大規模言語モデル(LM)の機能を活用して、数ショットで複雑な質問応答を行う。 そこでは、複雑なタスクを単純なタスクに繰り返し分解し、それを解決し、最終解を得るまでプロセスを繰り返します。 我々の最良のモデル(逐次プロンプト付き)は、DROPデータセットの数ショットバージョンにおいて、5%の絶対F1の改善を実現します。
  論文  参考訳（メタデータ） (2022-12-08T06:03:38Z)
• Exploiting Hybrid Semantics of Relation Paths for Multi-hop Question Answering Over Knowledge Graphs [31.088325888508137]
  本稿では、関係経路のハイブリッドセマンティクスを利用してマルチホップKGQAを改善することを提案する。 関係経路の明示的なテキスト情報と暗黙的なKG構造を,新規な回転・スケールのエンティティリンク予測フレームワークに基づいて統合する。
  論文  参考訳（メタデータ） (2022-09-02T08:07:37Z)
• 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)
• Context-Aware Interaction Network for Question Matching [51.76812857301819]
  本研究では,二つのシーケンスを整合させ,それらの意味関係を推定する文脈認識インタラクションネットワーク(coin)を提案する。 具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。
  論文  参考訳（メタデータ） (2021-04-17T05:03:56Z)
• Joint Passage Ranking for Diverse Multi-Answer Retrieval [56.43443577137929]
  質問に対する複数の異なる回答をカバーするために、パスの取得を必要とする探索不足の問題であるマルチアンサー検索について検討する。 モデルが別の有効な答えを逃す費用で同じ答えを含む通路を繰り返すべきではないので、このタスクは、検索された通路の共同モデリングを必要とします。 本稿では,再順位に着目したジョイントパス検索モデルであるJPRを紹介する。 回収された通路の合同確率をモデル化するために、JPRは、新しい訓練および復号アルゴリズムを備えた通路のシーケンスを選択する自動回帰リタイナを利用する。
  論文  参考訳（メタデータ） (2021-04-17T04:48:36Z)
• Conversational Question Answering over Passages by Leveraging Word Proximity Networks [33.59664244897881]
  CROWNは、経路応答を持つ会話型QAのための教師なしかつ効果的なシステムである。 複数のターンにまたがる複数のコンテキストの伝搬をサポートする。 CROWNはTREC CAsTデータで評価され、ニューラルネットワークのプールにおいて上述の性能を達成した。
  論文  参考訳（メタデータ） (2020-04-27T19:30:47Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)
• Retrospective Reader for Machine Reading Comprehension [90.6069071495214]
  機械読み取り理解(英: Machine reading comprehension、MRC)とは、機械が与えられた文節に基づいて質問に対する正しい答えを決定することを要求するAIチャレンジである。 不可解な質問が MRC タスクに関与している場合、検証モジュールと呼ばれる本質的な検証モジュールがエンコーダに加えて特に必要となる。 本稿では, MRC タスクに対して, 解答不能な質問に対して, より優れた検証器設計を提案する。
  論文  参考訳（メタデータ） (2020-01-27T11:14:34Z)

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。