論文の概要: Unsupervised Open-Domain Question Answering

• arxiv url: http://arxiv.org/abs/2108.13817v1
• Date: Tue, 31 Aug 2021 13:19:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-01 20:17:47.852097
• Title: Unsupervised Open-Domain Question Answering
• Title（参考訳）: 教師なしオープンドメイン質問応答
• Authors: Pengfei Zhu and Xiaoguang Li and Jian Li and Hai Zhao
• Abstract要約: オープンドメイン質問回答 (ODQA) は教師あり学習の仕方で大きな成果を上げている。 本稿では,このタスクを正式に導入し,一連の重要なデータ構築手法を提案することにより,教師なしODQAの研究の先駆者となる。 この研究は、教師なしのODQAが教師なしの86%のパフォーマンスに到達できることを刺激的に示しています。
• 参考スコア（独自算出の注目度）: 59.145351380254695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open-domain Question Answering (ODQA) has achieved significant results in terms of supervised learning manner. However, data annotation cannot also be irresistible for its huge demand in an open domain. Though unsupervised QA or unsupervised Machine Reading Comprehension (MRC) has been tried more or less, unsupervised ODQA has not been touched according to our best knowledge. This paper thus pioneers the work of unsupervised ODQA by formally introducing the task and proposing a series of key data construction methods. Our exploration in this work inspiringly shows unsupervised ODQA can reach up to 86% performance of supervised ones.
• Abstract（参考訳）: オープンドメイン質問回答 (ODQA) は教師あり学習の仕方で大きな成果を上げている。 しかし、データアノテーションは、オープンドメインにおけるその大きな需要に対しても耐えられない。 教師なしQAや教師なしMachine Reading Comprehension(MRC)は多かれ少なかれ試みられているが、教師なしODQAは私たちの知る限りでは触れられていない。 そこで本稿では,タスクを正式に導入し,一連の重要なデータ構築手法を提案することにより,教師なしODQAの研究を先導する。 この研究は、教師なしのODQAが教師なしの86%のパフォーマンスに到達できることを刺激的に示しています。

関連論文リスト

• Disentangling Masked Autoencoders for Unsupervised Domain Generalization [57.56744870106124]
  教師なしの領域一般化は急速に注目されているが、まだ十分に研究されていない。 Disentangled Masked Auto (DisMAE) は、本質的な特徴を忠実に示す不整合表現を発見することを目的としている。 DisMAEは、セマンティックで軽量な変分エンコーダを備えた非対称なデュアルブランチアーキテクチャを共同で訓練する。
  論文  参考訳（メタデータ） (2024-07-10T11:11:36Z)
• UMAD: Unsupervised Mask-Level Anomaly Detection for Autonomous Driving [16.94473342644408]
  我々は,非教師なしの異常検出とUMADの提示を再考し,生成的世界モデルと教師なし画像セグメンテーションを活用する。 我々の手法は、最先端の教師なし異常検出よりも優れています。
  論文  参考訳（メタデータ） (2024-06-10T15:32:16Z)
• Unsupervised multiple choices question answering via universal corpus [27.78825771434918]
  本稿では,MCQAデータを生成するための新しいフレームワークを提案する。 我々は、名前付きエンティティ(NE)と知識グラフの両方を活用して、完全な合成サンプルを形成するための可視な乱れを発見する。
  論文  参考訳（メタデータ） (2024-02-27T09:10:28Z)
• OpenStance: Real-world Zero-shot Stance Detection [20.993335893647885]
  オープンドメインゼロショットスタンス検出。 ドメイン制約やトピック固有のアノテーションを使わずに、オープンな世界でスタンス検出を扱うことを目指している。 我々の知る限り、これはオープンドメインゼロショット設定下でスタンス検出を研究する最初の研究である。
  論文  参考訳（メタデータ） (2022-10-25T19:50:36Z)
• Multifaceted Improvements for Conversational Open-Domain Question Answering [54.913313912927045]
  対話型オープンドメイン質問回答(MICQA)のための多面的改善フレームワークを提案する。 第一に、提案したKL分割に基づく正規化は、検索と解答のためのより良い質問理解をもたらすことができる。 第二に、追加されたポストランカモジュールは、より関連性の高いパスをトップにプッシュし、2アスペクトの制約で読者に選択できる。 第3に、十分に設計されたカリキュラム学習戦略は、訓練と推論の黄金の通路設定のギャップを効果的に狭め、黄金の通路支援なしで真の答えを見つけることを奨励する。
  論文  参考訳（メタデータ） (2022-04-01T07:54:27Z)
• URLB: Unsupervised Reinforcement Learning Benchmark [82.36060735454647]
  教師なし強化学習ベンチマーク(URLB)を紹介する。 URLBは2つのフェーズで構成されている。 評価のために3つのドメインから12の連続制御タスクを提供し、8つの主要な教師なしRLメソッドに対してオープンソースコードを提供する。
  論文  参考訳（メタデータ） (2021-10-28T15:07:01Z)
• Narrative Question Answering with Cutting-Edge Open-Domain QA Techniques: A Comprehensive Study [45.9120218818558]
  我々は,NarrativeQAデータセットについて,最先端ODQA技術を用いた実験でベンチマークを行った。 このことは、書籍のQAがもたらす課題を定量化し、発行された最先端技術がルージュ-Lの絶対的な改善として$sim$7%で進歩する。 その結果,イベント中心の質問がこのタスクを支配しており,イベント指向シナリオを扱うための既存のQAモデルの欠如を実証していることがわかった。
  論文  参考訳（メタデータ） (2021-06-07T17:46:09Z)
• Retrieving and Reading: A Comprehensive Survey on Open-domain Question Answering [62.88322725956294]
  OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。 Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。 次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
  論文  参考訳（メタデータ） (2021-01-04T04:47:46Z)
• End-to-End QA on COVID-19: Domain Adaptation with Synthetic Training [13.731352294133211]
  エンドツーエンドの質問応答には、情報検索と機械読解の両方が必要である。 最近の研究は、オープンドメインデータセットからの教師付き質問応答(QA)例のみを使用して、ニューラルIRシステムのトレーニングに成功した。 われわれのニューラルIRとMRCシステムを組み合わせて、CORD-19コレクションのエンドツーエンドQAを大幅に改善した。
  論文  参考訳（メタデータ） (2020-12-02T18:59:59Z)
• Harvesting and Refining Question-Answer Pairs for Unsupervised QA [95.9105154311491]
  教師なし質問回答(QA)を改善するための2つのアプローチを提案する。 まず、ウィキペディアから語彙的・構文的に異なる質問を抽出し、質問応答対のコーパスを自動的に構築する(RefQAと名づけられる)。 第2に、より適切な回答を抽出するためにQAモデルを活用し、RefQA上でデータを反復的に洗練する。
  論文  参考訳（メタデータ） (2020-05-06T15:56:06Z)

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。