論文の概要: An Answer Verbalization Dataset for Conversational Question Answerings over Knowledge Graphs

• arxiv url: http://arxiv.org/abs/2208.06734v1
• Date: Sat, 13 Aug 2022 21:21:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-16 13:32:57.924229
• Title: An Answer Verbalization Dataset for Conversational Question Answerings over Knowledge Graphs
• Title（参考訳）: ナレッジグラフを用いた会話質問応答のための回答言語化データセット
• Authors: Endri Kacupaj, Kuldeep Singh, Maria Maleshkova, Jens Lehmann
• Abstract要約: 本稿では,既存のConvQAデータセットを言語化された回答で拡張することによって,最先端技術に寄与する。 5つのシーケンス・ツー・シーケンスモデルを用いて,文法的正しさを維持しながら応答生成実験を行った。
• 参考スコア（独自算出の注目度）: 9.979689965471428
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a new dataset for conversational question answering over Knowledge Graphs (KGs) with verbalized answers. Question answering over KGs is currently focused on answer generation for single-turn questions (KGQA) or multiple-tun conversational question answering (ConvQA). However, in a real-world scenario (e.g., voice assistants such as Siri, Alexa, and Google Assistant), users prefer verbalized answers. This paper contributes to the state-of-the-art by extending an existing ConvQA dataset with multiple paraphrased verbalized answers. We perform experiments with five sequence-to-sequence models on generating answer responses while maintaining grammatical correctness. We additionally perform an error analysis that details the rates of models' mispredictions in specified categories. Our proposed dataset extended with answer verbalization is publicly available with detailed documentation on its usage for wider utility.
• Abstract（参考訳）: 本稿では,知識グラフ(KG)を用いた会話型質問応答のための新しいデータセットを提案する。 KGsに対する質問応答は、現在、シングルターン質問(KGQA)やマルチターン会話質問応答(ConvQA)の回答生成に重点を置いている。 しかし、現実世界のシナリオ(例えばSiri、Alexa、Google Assistantのような音声アシスタント)では、ユーザーは口頭で答えることを好む。 本稿では,既存のconvqaデータセットを複数のパラフレーズの回答で拡張することで,最先端のデータベースに寄与する。 5つのシーケンス・ツー・シーケンスモデルを用いて,文法的正しさを維持しながら応答生成実験を行った。 さらに、特定のカテゴリにおけるモデルの誤予測率を詳述する誤り解析を行う。 提案するデータセットには,汎用性の向上に関する詳細な資料が公開されている。

関連論文リスト

• PCoQA: Persian Conversational Question Answering Dataset [12.07607688189035]
  PCoQAデータセットは、9,026のコンテキスト駆動質問を含む情報検索ダイアログを含むリソースである。 PCoQAは、以前の質問応答データセットと比較して、新しい課題を示すように設計されている。 本稿では,PCoQAデータセットを包括的に提示するだけでなく,各種ベンチマークモデルの性能も報告する。
  論文  参考訳（メタデータ） (2023-12-07T15:29:34Z)
• Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
  本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。 本稿では,2つの意味解析手法を提案し,その課題を強調した。 私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
  論文  参考訳（メタデータ） (2023-01-28T14:45:11Z)
• Conversational QA Dataset Generation with Answer Revision [2.5838973036257458]
  本稿では,一節から質問に値するフレーズを抽出し,過去の会話を考慮し,それに対応する質問を生成する新しい枠組みを提案する。 本フレームワークでは,抽出した回答を質問生成後に修正し,その回答が一致した質問に正確に一致するようにした。
  論文  参考訳（メタデータ） (2022-09-23T04:05:38Z)
• ConditionalQA: A Complex Reading Comprehension Dataset with Conditional Answers [93.55268936974971]
  条件付き回答を含む複雑な質問を含む質問回答データセットについて述べる。 このデータセットを ConditionalQA と呼びます。 本稿では,既存のQAモデルの多く,特に回答条件の選択において,ConditionalQAは困難であることを示す。
  論文  参考訳（メタデータ） (2021-10-13T17:16:46Z)
• VOGUE: Answer Verbalization through Multi-Task Learning [4.882444194224553]
  マルチタスクに基づく応答言語化フレームワークVOGUE(VerbalizationOuGh mUlti-task lEarning)を提案する。 我々のフレームワークは、質問やクエリを同時に入力として使用することで、結果を生成することができる。 既存データセットの枠組みを評価した結果,BLEUとMETEORの両スコアにおいて,現在のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2021-06-24T21:05:32Z)
• QAConv: Question Answering on Informative Conversations [85.2923607672282]
  ビジネスメールやパネルディスカッション,作業チャネルなど,情報的な会話に重点を置いています。 合計で、スパンベース、フリーフォーム、および回答不能な質問を含む34,204のQAペアを収集します。
  論文  参考訳（メタデータ） (2021-05-14T15:53:05Z)
• GooAQ: Open Question Answering with Diverse Answer Types [63.06454855313667]
  さまざまな回答型を持つ大規模データセットであるGooAQを紹介する。 このデータセットには500万の質問と300万の回答が含まれている。
  論文  参考訳（メタデータ） (2021-04-18T05:40:39Z)
• ParaQA: A Question Answering Dataset with Paraphrase Responses for Single-Turn Conversation [5.087932295628364]
  ParaQAは知識グラフ(KG)上の1ターン会話のための複数のパラフレーズ応答を持つデータセットである データセットは半自動的なフレームワークを使って、バックトランスレーションのようなテクニックを使って、さまざまな回答のパラフレージングを生成する。
  論文  参考訳（メタデータ） (2021-03-13T18:53:07Z)
• 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)
• Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
  InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。 我々は,読者が情報を求めるための実践的な戦略に携わることを示す。 我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-04T19:03:39Z)

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。