論文の概要: Open-Domain Question-Answering for COVID-19 and Other Emergent Domains
- arxiv url: http://arxiv.org/abs/2110.06962v1
- Date: Wed, 13 Oct 2021 18:06:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-15 14:46:24.135864
- Title: Open-Domain Question-Answering for COVID-19 and Other Emergent Domains
- Title（参考訳）: 新型コロナウイルスなどの新興ドメインに対するオープンドメイン質問応答
- Authors: Sharon Levy, Kevin Mo, Wenhan Xiong, William Yang Wang
- Abstract要約: 新型コロナウイルスの創発的バイオメディカルドメインに対するオープンドメイン質問応答システムを提案する。
データのサイズは小さいものの、新型コロナウイルス(COVID-19)の科学論文の大規模なコーパスから回答を得るために、システムをトレーニングすることに成功しています。
- 参考スコア（独自算出の注目度）: 61.615197623034085
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Since late 2019, COVID-19 has quickly emerged as the newest biomedical
domain, resulting in a surge of new information. As with other emergent
domains, the discussion surrounding the topic has been rapidly changing,
leading to the spread of misinformation. This has created the need for a public
space for users to ask questions and receive credible, scientific answers. To
fulfill this need, we turn to the task of open-domain question-answering, which
we can use to efficiently find answers to free-text questions from a large set
of documents. In this work, we present such a system for the emergent domain of
COVID-19. Despite the small data size available, we are able to successfully
train the system to retrieve answers from a large-scale corpus of published
COVID-19 scientific papers. Furthermore, we incorporate effective re-ranking
and question-answering techniques, such as document diversity and multiple
answer spans. Our open-domain question-answering system can further act as a
model for the quick development of similar systems that can be adapted and
modified for other developing emergent domains.
- Abstract（参考訳）: 2019年末以降、covid-19は最新のバイオメディカルドメインとして急速に登場し、新たな情報が急増した。
他の創発的ドメインと同様に、話題を取り巻く議論は急速に変化し、誤った情報の普及につながった。
これにより、ユーザーが質問し、信頼できる科学的回答を受け取るためのパブリックスペースが必要になった。
このニーズを満たすために、我々は、大量の文書から自由テキスト質問に対する回答を効率的に見つけるために、オープンドメイン質問回答のタスクに目を向ける。
本研究では,新型コロナウイルスの緊急ドメインのためのシステムを提案する。
利用可能なデータサイズは小さいものの、大規模なcovid-19科学論文のコーパスから回答を収集するシステムのトレーニングに成功しています。
さらに、文書の多様性や複数の回答スパンなど、効果的な再ランク付けと質問応答手法を取り入れた。
我々のオープンドメイン質問応答システムは、他の発展途上ドメインに適応し、修正できる類似システムの迅速な開発モデルとして機能する。
関連論文リスト
- Augmenting Scientific Creativity with Retrieval across Knowledge Domains [31.735564282883352]
論文要約から,エンドユーザが関心のあるテキストコアの一部を選択できる探索検索システムを開発した。
研究者らによるケーススタディは、クロスドメイン探索とインスピレーションを促進することを目的としたシステムにおける機会と設計の意味を明らかにする。
論文 参考訳（メタデータ） (2022-06-02T22:55:51Z) - Addressing Issues of Cross-Linguality in Open-Retrieval Question
Answering Systems For Emergent Domains [67.99403521976058]
新型コロナウイルスの緊急ドメインに対する言語横断的オープン検索型質問応答システムについて紹介する。
本システムでは,検索した文書の信頼性を確保するために,学術論文のコーパスを採用している。
深いセマンティック・レトリバーは、我々の英語からすべてのデータに対するトレーニングの恩恵が大きく、言語横断環境ではBM25ベースラインを大幅に上回っていることを示す。
論文 参考訳（メタデータ） (2022-01-26T19:27:32Z) - Recent Advances in Automated Question Answering In Biomedical Domain [0.06922389632860546]
過去数十年間、知識の獲得が急増しており、その結果、バイオメディシン分野における新しい科学論文が指数関数的に増加してきた。
ドメインの専門家であっても、ドメイン内のすべての情報を追跡することは困難になっています。
商用検索エンジンの改善により、ユーザーはクエリーを入力し、クエリーに最も関連性の高いドキュメントの小さなセットを得ることができる。
これにより、ユーザが提供する自然言語の質問に対して、正確かつ正確な答えを見つけることを目的とした効率的なQAシステムの開発が必要になった。
論文 参考訳（メタデータ） (2021-11-10T20:51:29Z) - 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) - CMT in TREC-COVID Round 2: Mitigating the Generalization Gaps from Web
to Special Domain Search [89.48123965553098]
本稿では,特殊領域適応問題を緩和する探索システムを提案する。
このシステムは、ドメイン適応型事前学習と数発の学習技術を利用して、ニューラルネットワークがドメインの不一致を軽減するのに役立つ。
本システムでは,TREC-COVID タスクの第2ラウンドにおいて,非マニュアル実行において最善を尽くす。
論文 参考訳（メタデータ） (2020-11-03T09:10:48Z) - Knowledge-Aided Open-Domain Question Answering [58.712857964048446]
本稿では,知識支援型オープンドメインQA(KAQA)手法を提案する。
文書検索の際、質問と他の文書との関係を考慮し、候補文書を採点する。
回答の再ランク付けの間、候補の回答は、自身のコンテキストだけでなく、他の文書からのヒントを使って再ランクされる。
論文 参考訳（メタデータ） (2020-06-09T13:28:57Z) - Knowledge Graph Simple Question Answering for Unseen Domains [9.263766921991452]
我々は新しいドメインに適用可能なデータ中心のドメイン適応フレームワークを提案する。
遠方からの監視を用いて、未確認領域のそれぞれの関係を表すキーワードの集合を抽出する。
我々のフレームワークはゼロショットベースラインを大幅に改善し、ドメイン間で堅牢です。
論文 参考訳（メタデータ） (2020-05-25T11:34:54Z) - Dense Passage Retrieval for Open-Domain Question Answering [49.028342823838486]
本研究では,高密度表現のみを用いて検索を実践可能であることを示す。
我々の高密度レトリバーは、上位20経路の精度で9%-19%の絶対値で強力なルセンゼ-BM25システムより優れています。
論文 参考訳（メタデータ） (2020-04-10T04:53:17Z) - Mind the Gap: Enlarging the Domain Gap in Open Set Domain Adaptation [65.38975706997088]
オープンセットドメイン適応(OSDA)は、ターゲットドメインに未知のクラスが存在することを前提としている。
既存の最先端手法は、より大きなドメインギャップが存在する場合、かなりの性能低下を被ることを示す。
我々は、より大きなドメインギャップに特に対処するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-08T14:20:24Z)
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。