Fugu-MT 論文翻訳(概要): Complementary Evidence Identification in Open-Domain Question Answering

論文の概要: Complementary Evidence Identification in Open-Domain Question Answering

arxiv url: http://arxiv.org/abs/2103.11643v2
Date: Tue, 23 Mar 2021 06:35:05 GMT
ステータス: 処理完了
システム内更新日: 2021-03-25 05:41:09.561487
Title: Complementary Evidence Identification in Open-Domain Question Answering
Title（参考訳）: オープンドメイン質問応答における補完的証拠同定
Authors: Xiangyang Mou, Mo Yu, Shiyu Chang, Yufei Feng, Li Zhang and Hui Su
Abstract要約: オープンドメイン質問応答(QA)における補完的証拠識別の新しい問題を提案する。この問題は、複雑な質問に答えるために、複数の側面から完全な証拠をカバーする小さな通路を効率的に見つけることを目指しています。
参考スコア（独自算出の注目度）: 66.17954897343456
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper proposes a new problem of complementary evidence identification for open-domain question answering (QA). The problem aims to efficiently find a small set of passages that covers full evidence from multiple aspects as to answer a complex question. To this end, we proposes a method that learns vector representations of passages and models the sufficiency and diversity within the selected set, in addition to the relevance between the question and passages. Our experiments demonstrate that our method considers the dependence within the supporting evidence and significantly improves the accuracy of complementary evidence selection in QA domain.
Abstract（参考訳）: 本稿では,オープンドメイン質問応答(qa)に対する補完的証拠同定の新たな問題を提案する。この問題は、複雑な問題に答えるために、複数の側面から完全な証拠を網羅する小節を効率的に見つけることを目的としている。そこで本研究では,選択された集合のベクトル表現を学習し,選択された集合内の十分性と多様性をモデル化する手法を提案する。実験により,本手法は支持するエビデンス内の依存性を考慮し,qa領域における補完的証拠選択の精度を著しく向上することを示した。

関連論文リスト

Diversify-verify-adapt: Efficient and Robust Retrieval-Augmented Ambiguous Question Answering [45.154063285999015]
検索拡張生成(RAG)フレームワークは、QAシステムにおけるユーザクエリのあいまいさに対処する。 RAGは、すべてのもっともらしい解釈をカバーし、包括的な応答を生成する。しかし、単一の検索プロセスは、しばしば品質の低い結果に悩まされる。本稿では,DIVA(Diversify-verify-Adapt)フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-04T01:14:04Z)
Progressive Evidence Refinement for Open-domain Multimodal Retrieval Question Answering [20.59485758381809]
現在のマルチモーダル検索質問答えモデルは2つの大きな課題に直面している。モデルへの入力として圧縮されたエビデンスの特徴を利用すると、エビデンス内の詳細な情報が失われる。本稿では,これらの問題を緩和するための証拠検索と質問応答のための2段階の枠組みを提案する。
論文参考訳（メタデータ） (2023-10-15T01:18:39Z)
Evidentiality-aware Retrieval for Overcoming Abstractiveness in Open-Domain Question Answering [29.00167886463793]
本稿では, 証拠パスを注意散逸者から識別するためのEADPR (Evidentiality-Aware Passage Retrieval) を提案する。提案手法が複数の抽象型ODQAタスクにおいて有効であることを示すため,広範囲な実験を行った。
論文参考訳（メタデータ） (2023-04-06T12:42:37Z)
Open-domain Question Answering via Chain of Reasoning over Heterogeneous Knowledge [82.5582220249183]
異種知識ソース間のシングル/マルチホップ質問に応答する新しいオープンドメイン質問応答(ODQA)フレームワークを提案する。分離された証拠を収集するためにレトリバーにのみ依存する従来の方法とは異なり、我々の仲介者は検索された集合に対する推論の連鎖を実行する。本システムは,2つのODQAデータセットであるOTT-QAとNQに対して,Wikipediaの表や節に対する競合性能を実現する。
論文参考訳（メタデータ） (2022-10-22T03:21:32Z)
Adaptive Information Seeking for Open-Domain Question Answering [61.39330982757494]
本稿では,オープンドメイン質問応答,すなわちAISOに対する適応型情報探索手法を提案する。学習方針によると、AISOは適切な検索行動を選択し、各ステップで行方不明の証拠を探すことができる。 AISOは、検索と回答の評価の両方の観点から、事前定義された戦略で全てのベースライン手法を上回ります。
論文参考訳（メタデータ） (2021-09-14T15:08:13Z)
Building and Evaluating Open-Domain Dialogue Corpora with Clarifying Questions [65.60888490988236]
オープンドメインのシングルターンとマルチターンの会話に焦点を当てたデータセットをリリースする。我々は最先端のニューラルベースラインをいくつかベンチマークする。様々な対話における質問の明確化の質を評価するための,オフラインおよびオンラインのステップからなるパイプラインを提案する。
論文参考訳（メタデータ） (2021-09-13T09:16:14Z)
Multi-hop Inference for Question-driven Summarization [39.08269647808958]
本稿では,新しい質問駆動抽象要約手法であるMulti-hop Selective Generator (MSG)を提案する。 MSGは、マルチホップ推論を質問駆動要約に取り入れ、生成した要約の正当化を提供する。実験結果から,提案手法は2つの非ファクトイドQAデータセット上で常に最先端の手法より優れていることがわかった。
論文参考訳（メタデータ） (2020-10-08T02:36:39Z)
Context Modeling with Evidence Filter for Multiple Choice Question Answering [18.154792554957595]
MCQA(Multi-Choice Question Answering)は、機械読解における課題である。主な課題は、正しい答えをサポートする与えられたコンテキストから"エビデンス"を抽出することである。既存の作業は、人間の努力に過度に依存するルールで注釈付きエビデンスや遠方の監督によってこの問題に取り組む。本稿では,エンコードされた文脈間の関係をモデル化するためのエビデンスフィルタリング法を提案する。
論文参考訳（メタデータ） (2020-10-06T11:53:23Z)
Answering Any-hop Open-domain Questions with Iterative Document Reranking [62.76025579681472]
オープンドメインの問に答える統合QAフレームワークを提案する。提案手法は,シングルホップおよびマルチホップのオープンドメインQAデータセットにおいて,最先端技術に匹敵する性能を継続的に達成する。
論文参考訳（メタデータ） (2020-09-16T04:31:38Z)

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。