Fugu-MT 論文翻訳(概要): Conversational QA Dataset Generation with Answer Revision

論文の概要: Conversational QA Dataset Generation with Answer Revision

arxiv url: http://arxiv.org/abs/2209.11396v1
Date: Fri, 23 Sep 2022 04:05:38 GMT
ステータス: 処理完了
システム内更新日: 2022-09-26 13:24:49.725181
Title: Conversational QA Dataset Generation with Answer Revision
Title（参考訳）: 回答修正による会話型QAデータセット生成
Authors: Seonjeong Hwang and Gary Geunbae Lee
Abstract要約: 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。
参考スコア（独自算出の注目度）: 2.5838973036257458
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Conversational question--answer generation is a task that automatically generates a large-scale conversational question answering dataset based on input passages. In this paper, we introduce a novel framework that extracts question-worthy phrases from a passage and then generates corresponding questions considering previous conversations. In particular, our framework revises the extracted answers after generating questions so that answers exactly match paired questions. Experimental results show that our simple answer revision approach leads to significant improvement in the quality of synthetic data. Moreover, we prove that our framework can be effectively utilized for domain adaptation of conversational question answering.
Abstract（参考訳）: 対話型質問応答生成は,入力文に基づいて大規模会話型質問応答データセットを自動生成するタスクである。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た質問を生成する新しい枠組みを提案する。特に,提案フレームワークは,質問生成後に抽出した回答を改訂し,回答がペア質問と正確に一致するようにする。実験結果から, 簡単な回答修正手法は, 合成データの品質を著しく向上させることがわかった。さらに,対話型質問応答のドメイン適応に,我々のフレームワークを効果的に活用できることを示す。

関連論文リスト

Boosting Conversational Question Answering with Fine-Grained Retrieval-Augmentation and Self-Check [25.63538452425097]
本稿では,対話型質問応答のための細粒度検索と自己チェックを組み込んだ対話レベルのRAG手法を提案する。特に,本手法は,対話型質問精算器,きめ細かい検索器,自己チェックに基づく応答生成器の3つのコンポーネントから構成される。
論文参考訳（メタデータ） (2024-03-27T04:20:18Z)
Estimating the Usefulness of Clarifying Questions and Answers for Conversational Search [17.0363715044341]
本稿では,質問を明確化するための回答処理手法を提案する。具体的には,利用者が提示した質問と回答の提示による有用性を評価するための分類器を提案する。その結果, 強い非混合開始基線よりも顕著な改善が認められた。
論文参考訳（メタデータ） (2024-01-21T11:04:30Z)
Answering Ambiguous Questions with a Database of Questions, Answers, and Revisions [95.92276099234344]
ウィキペディアから生成される曖昧な質問のデータベースを利用して、あいまいな質問に答えるための新しい最先端技術を提案する。提案手法は,リコール対策で15%,予測出力から不明瞭な質問を評価する尺度で10%向上する。
論文参考訳（メタデータ） (2023-08-16T20:23:16Z)
Open-Domain Conversational Question Answering with Historical Answers [29.756094955426597]
本稿では,過去の回答を利用して検索性能を向上させるConvADR-QAを提案する。提案手法では,学習者側が学習者側から発する雑音を低減させるため,学習者側で学習者側で学習を行う。ベンチマークデータセットOR-QuACを用いた実験では,抽出および生成の両方において,既存のベースラインよりも優れた性能を示した。
論文参考訳（メタデータ） (2022-11-17T08:20:57Z)
An Answer Verbalization Dataset for Conversational Question Answerings over Knowledge Graphs [9.979689965471428]
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。
論文参考訳（メタデータ） (2022-08-13T21:21:28Z)
Discourse Comprehension: A Question Answering Framework to Represent Sentence Connections [35.005593397252746]
談話理解のためのモデルの構築と評価における重要な課題は、注釈付きデータの欠如である。本稿では,ニュース文書の理解を目的としたスケーラブルなデータ収集を実現する新しいパラダイムを提案する。得られたコーパスDCQAは、607の英語文書からなる22,430の質問応答ペアで構成されている。
論文参考訳（メタデータ） (2021-11-01T04:50:26Z)
Building and Evaluating Open-Domain Dialogue Corpora with Clarifying Questions [65.60888490988236]
オープンドメインのシングルターンとマルチターンの会話に焦点を当てたデータセットをリリースする。我々は最先端のニューラルベースラインをいくつかベンチマークする。様々な対話における質問の明確化の質を評価するための,オフラインおよびオンラインのステップからなるパイプラインを提案する。
論文参考訳（メタデータ） (2021-09-13T09:16:14Z)
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)
A Graph-guided Multi-round Retrieval Method for Conversational Open-domain Question Answering [52.041815783025186]
本稿では,会話のターン間の回答間の関係をモデル化するグラフ誘導検索手法を提案する。また,検索コンテキストが現在の質問理解に与える影響を検討するために,マルチラウンド関連フィードバック手法を導入することを提案する。
論文参考訳（メタデータ） (2021-04-17T04:39:41Z)
Open-Retrieval Conversational Machine Reading [80.13988353794586]
会話機械読解では、システムは自然言語規則を解釈し、ハイレベルな質問に答え、フォローアップの明確化を問う必要がある。既存の作業では、ルールテキストがユーザ毎の質問に対して提供されると仮定し、実際のシナリオにおいて必須の検索ステップを無視する。本研究では,対話型機械読解のオープンリトリーバル設定を提案し,検討する。
論文参考訳（メタデータ） (2021-02-17T08:55:01Z)
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)

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。