論文の概要: BERT-CoQAC: BERT-based Conversational Question Answering in Context

• arxiv url: http://arxiv.org/abs/2104.11394v1
• Date: Fri, 23 Apr 2021 03:05:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 13:09:50.816206
• Title: BERT-CoQAC: BERT-based Conversational Question Answering in Context
• Title（参考訳）: BERT-CoQAC: コンテキストにおける会話型質問応答
• Authors: Munazza Zaib and Dai Hoang Tran and Subhash Sagar and Adnan Mahmood and Wei E. Zhang and Quan Z. Sheng
• Abstract要約: 履歴変換をシステム内に組み込むためのBERTという,パブリックに利用可能なプリトレーニング言語モデルに基づくフレームワークを紹介する。 実験の結果,我々のフレームワークはQuACリーダボードの最先端モデルと同等の性能を示した。
• 参考スコア（独自算出の注目度）: 10.811729691130349
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As one promising way to inquire about any particular information through a dialog with the bot, question answering dialog systems have gained increasing research interests recently. Designing interactive QA systems has always been a challenging task in natural language processing and used as a benchmark to evaluate a machine's ability of natural language understanding. However, such systems often struggle when the question answering is carried out in multiple turns by the users to seek more information based on what they have already learned, thus, giving rise to another complicated form called Conversational Question Answering (CQA). CQA systems are often criticized for not understanding or utilizing the previous context of the conversation when answering the questions. To address the research gap, in this paper, we explore how to integrate conversational history into the neural machine comprehension system. On one hand, we introduce a framework based on a publically available pre-trained language model called BERT for incorporating history turns into the system. On the other hand, we propose a history selection mechanism that selects the turns that are relevant and contributes the most to answer the current question. Experimentation results revealed that our framework is comparable in performance with the state-of-the-art models on the QuAC leader board. We also conduct a number of experiments to show the side effects of using entire context information which brings unnecessary information and noise signals resulting in a decline in the model's performance.
• Abstract（参考訳）: ボットとの対話を通じて特定の情報を問い合わせる有望な方法として,近年,質問応答ダイアログシステムの研究関心が高まっている。 対話型QAシステムの設計は、自然言語処理において常に困難な課題であり、自然言語理解の機械の能力を評価するベンチマークとして用いられてきた。 しかし、このようなシステムは、ユーザが既に学んだことに基づいてより多くの情報を求めるために、複数のターンで質問応答を行うと、しばしば苦労するので、会話型質問回答(CQA)と呼ばれる別の複雑な形式が生まれる。 CQAシステムは、質問に答える際、会話の以前の文脈を理解しない、あるいは利用していないとしばしば批判される。 本稿では,この研究のギャップに対処するために,会話履歴をニューラルマシン理解システムに統合する方法について検討する。 一方,本研究では,履歴ターンをシステムに組み込むための BERT という,一般公開された事前学習型言語モデルに基づくフレームワークを提案する。 一方,本稿では,関連するターンを選択し,現在の質問に答える上で最も貢献する履歴選択機構を提案する。 実験の結果,我々のフレームワークはQuACのリーダーボードの最先端モデルと同等の性能を示した。 また、不要な情報やノイズ信号をもたらすコンテキスト情報全体の副作用がモデルの性能の低下をもたらすことを示すために、いくつかの実験を行った。

関連論文リスト

• History-Aware Conversational Dense Retrieval [31.203399110612388]
  本稿では,コンテキスト依存型クエリ再構成と監視信号の自動マイニングという2つのアイデアを取り入れた,履歴認識型会話用Dense Retrieval(HAConvDR)システムを提案する。 2つの公開対話型検索データセットの実験は、HAConvDRの履歴モデリング機能の改善を実証している。
  論文  参考訳（メタデータ） (2024-01-30T01:24:18Z)
• PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded Dialogue Systems [59.1250765143521]
  現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。 我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。 対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
  論文  参考訳（メタデータ） (2023-09-19T08:27:09Z)
• Learning to Select the Relevant History Turns in Conversational Question Answering [27.049444003555234]
  関連する履歴の選択と正しい回答予測の依存関係は興味深いが、探索されていない領域である。 本稿では,まず,すべての履歴ターンのコンテキストと質問エンティティを生成するフレームワークであるDHS-ConvQAを提案する。 関連ターンの選択は、元の質問を書き換えるよりも有効であることを示す。
  論文  参考訳（メタデータ） (2023-08-04T12:59:39Z)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• 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)
• Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
  本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-08-28T08:04:28Z)
• Towards Data Distillation for End-to-end Spoken Conversational Question Answering [65.124088336738]
  音声対話型質問応答タスク(SCQA)を提案する。 SCQAは,音声発話とテキストコーパスから複雑な対話の流れをモデル化することを目的としている。 我々の主な目的は、音声とテキストの両方で会話的な質問に対処するQAシステムを構築することである。
  論文  参考訳（メタデータ） (2020-10-18T05:53:39Z)
• Knowledgeable Dialogue Reading Comprehension on Key Turns [84.1784903043884]
  MRC(Multi-choice Machine reading comprehension)は、ある項目と質問に対する候補オプションから正しい回答を選択するモデルである。 本研究は,複数回対話を行う対話型MRCに焦点を当てている。 それは2つの課題に悩まされ、答えの選択決定は、最近役に立つコモンセンスをサポートせずに行われ、マルチターンコンテキストは、かなりの無関係な情報を隠蔽する可能性がある。
  論文  参考訳（メタデータ） (2020-04-29T07:04:43Z)

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。