論文の概要: Context-guided Triple Matching for Multiple Choice Question Answering

• arxiv url: http://arxiv.org/abs/2109.12996v1
• Date: Mon, 27 Sep 2021 12:30:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 15:34:35.152750
• Title: Context-guided Triple Matching for Multiple Choice Question Answering
• Title（参考訳）: 複数質問応答に対する文脈誘導三重マッチング
• Authors: Xun Yao, Junlong Ma, Xinrong Hu, Junping Liu, Jie Yang, Wanqing Li
• Abstract要約: 複数選択質問応答 (MCQA) とは、複数の候補から適切な回答を抽出し、その問合せ、問合せ、問合せ、答答の3倍のスコアを推定することを指す。 既存の方法は、複数のエビデンス文でケースを評価する能力を制限するいくつかのペアワイドまたはデュアルマッチングステップにプロセスを分離する。 本稿では、三重マッチング(TM)モジュールと対照正規化(CR)を統合した新しいコンテキスト誘導三重マッチングアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 13.197150032345895
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The task of multiple choice question answering (MCQA) refers to identifying a suitable answer from multiple candidates, by estimating the matching score among the triple of the passage, question and answer. Despite the general research interest in this regard, existing methods decouple the process into several pair-wise or dual matching steps, that limited the ability of assessing cases with multiple evidence sentences. To alleviate this issue, this paper introduces a novel Context-guided Triple Matching algorithm, which is achieved by integrating a Triple Matching (TM) module and a Contrastive Regularization (CR). The former is designed to enumerate one component from the triple as the background context, and estimate its semantic matching with the other two. Additionally, the contrastive term is further proposed to capture the dissimilarity between the correct answer and distractive ones. We validate the proposed algorithm on several benchmarking MCQA datasets, which exhibits competitive performances against state-of-the-arts.
• Abstract（参考訳）: 複数選択質問応答(MCQA)の課題は、複数の候補から適切な回答を識別することであり、パス、質問、回答の3つのうちのマッチングスコアを推定することである。 この点に関する一般的な研究の関心にもかかわらず、既存の手法は、複数の証拠文でケースを評価する能力を制限するいくつかのペアワイズまたはデュアルマッチングステップにプロセスを分離している。 この問題を軽減するため,本稿では,3重マッチング(tm)モジュールとコントラスト正規化(cr)を統合した新しい文脈誘導三重マッチングアルゴリズムを提案する。 前者は、背景コンテキストとしてトリプルから1つのコンポーネントを列挙し、そのセマンティックマッチングを他の2つと推定するように設計されている。 さらに, 正解と難解解解との相違を捉えるために, コントラスト項がさらに提案されている。 提案アルゴリズムは,最新技術に対する競合性能を示すMCQAデータセットのベンチマークで検証する。

関連論文リスト

• Cross-Modal Coordination Across a Diverse Set of Input Modalities [0.0]
  クロスモーダル検索は、異なるモダリティのクエリを用いて、与えられたモダリティのサンプルを検索するタスクである。 本稿では,CLIPの相対的目的を任意の数の入力モダリティに拡張した上で,この問題に対する2つのアプローチを提案する。 第2は、対照的な定式化から外れ、目標に向かってモデアルの類似性を回帰することで調整問題に取り組む。
  論文  参考訳（メタデータ） (2024-01-29T17:53:25Z)
• Diverse Multi-Answer Retrieval with Determinantal Point Processes [11.925050407713597]
  本稿では,BERTをカーネルとして利用する決定点プロセスを用いた再ランク付け手法を提案する。 その結果,本手法はAmbigQAデータセットの最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-11-29T08:54:05Z)
• Double Retrieval and Ranking for Accurate Question Answering [120.69820139008138]
  本研究では,トランスフォーマーを用いた解答選択モデルに導入された解答検証ステップが,問合せ解答における解答の精度を大幅に向上させることを示す。 AS2のためのよく知られた3つのデータセットの結果は、最先端の一貫性と大幅な改善を示している。
  論文  参考訳（メタデータ） (2022-01-16T06:20:07Z)
• Deep Probabilistic Graph Matching [72.6690550634166]
  本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。 提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
  論文  参考訳（メタデータ） (2022-01-05T13:37:27Z)
• A Simple Approach to Jointly Rank Passages and Select Relevant Sentences in the OBQA Context [15.556928370682094]
  大規模コーパスから関連する情報をどのように選択するかは、推論と推論にとって重要な問題である。 既存のフレームワークの多くは、ディープラーニングモデルを使用して、関連するパスを選択し、対応するパスの文をマッチングすることで、各質問に回答する。 本稿では,これらの問題に対して,文を共同でランク付けし,文を選択することで,シンプルかつ効果的に対処する枠組みを提案する。
  論文  参考訳（メタデータ） (2021-09-22T03:11:17Z)
• 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)
• Generating Correct Answers for Progressive Matrices Intelligence Tests [88.78821060331582]
  Ravenのプログレッシブマトリクス(Progressive Matrices)は、複数選択のインテリジェンステストである。 このテストに対処する以前の試みは、複数の選択肢の中から正しい回答を選択することに集中していました。 この作業では、代わりに、定義によって難しいタスクである選択を見ることなく、グリッドに与えられた正しい回答を生成することに焦点を合わせます。
  論文  参考訳（メタデータ） (2020-11-01T13:21:07Z)
• 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)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)
• Unsupervised Alignment-based Iterative Evidence Retrieval for Multi-hop Question Answering [40.58976291178477]
  本稿では,単純で高速かつ教師なしの反復的証拠検索手法を提案する。 その単純さにもかかわらず,提案手法はエビデンス選択タスクにおいて,従来の手法よりも優れていた。 これらのエビデンス文をRoBERTaの回答分類コンポーネントに入力すると、最先端のQA性能が得られる。
  論文  参考訳（メタデータ） (2020-05-04T00:19:48Z)

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。