論文の概要: CONSISTENT: Open-Ended Question Generation From News Articles

• arxiv url: http://arxiv.org/abs/2210.11536v1
• Date: Thu, 20 Oct 2022 19:10:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 14:26:22.313657
• Title: CONSISTENT: Open-Ended Question Generation From News Articles
• Title（参考訳）: CONSISTENT:ニュース記事からオープンな質問生成
• Authors: Tuhin Chakrabarty, Justin Lewis, Smaranda Muresan
• Abstract要約: オープンな質問を生成するための新しいエンドツーエンドシステムであるConSISTENTを提案する。 我々は,自動評価と人的評価の両方を用いて,複数のベースライン上でのモデルの強さを実証する。 ニュースメディア組織におけるダウンストリーム応用の可能性について論じる。
• 参考スコア（独自算出の注目度）: 38.41162895492449
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent work on question generation has largely focused on factoid questions such as who, what, where, when about basic facts. Generating open-ended why, how, what, etc. questions that require long-form answers have proven more difficult. To facilitate the generation of open-ended questions, we propose CONSISTENT, a new end-to-end system for generating open-ended questions that are answerable from and faithful to the input text. Using news articles as a trustworthy foundation for experimentation, we demonstrate our model's strength over several baselines using both automatic and human=based evaluations. We contribute an evaluation dataset of expert-generated open-ended questions.We discuss potential downstream applications for news media organizations.
• Abstract（参考訳）: 質問生成に関する最近の研究は、誰が、どこで、どこで、基本的な事実について、ファクトイドな質問に主に焦点を当てている。 オープンな理由や方法、質問など、長い形式の回答を必要とする質問の生成は、より困難であることが証明されている。 オープンエンド質問の生成を容易にするために,我々は,入力テキストから回答可能かつ忠実なオープンエンド質問を生成するための新しいエンドツーエンドシステムであるconsentを提案する。 実験のための信頼できる基盤としてニュース記事を用いて, 自動評価と人的評価の両方を用いて, モデルが複数のベースラインにまたがる強さを実証する。 我々は,専門家が作成したオープンエンド質問の評価データセットに貢献する。

関連論文リスト

• Which questions should I answer? Salience Prediction of Inquisitive Questions [118.097974193544]
  非常に健全な質問は、同じ記事で経験的に答えられる可能性が高いことを示す。 質問に対する回答が,ニュースの要約品質の指標であることを示すことで,我々の知見をさらに検証する。
  論文  参考訳（メタデータ） (2024-04-16T21:33:05Z)
• FOLLOWUPQG: Towards Information-Seeking Follow-up Question Generation [38.78216651059955]
  実世界の情報検索フォローアップ質問生成(FQG)の課題について紹介する。 オープンエンド質問に対するRedditフレンドリーな説明を提供するフォーラムレイマンから収集した,3K以上の実世界のデータセット(初期質問,回答,フォローアップ質問)であるFOLLOWUPQGを構築した。 既存のデータセットとは対照的に、FOLLOWUPQGの質問は情報を求めるためにより多様な実用的戦略を使用し、高次認知能力も示している。
  論文  参考訳（メタデータ） (2023-09-10T11:58:29Z)
• CREPE: Open-Domain Question Answering with False Presuppositions [92.20501870319765]
  オンライン情報検索フォーラムからの予測失敗の自然な分布を含むQAデータセットであるCREPEを紹介する。 25%の質問が偽の前提命題を含み、これらの前提命題とその修正のための注釈を提供する。 既存のオープンドメインQAモデルの適応は適度に予測できるが、仮定が実際に正しいかどうかを予測するのに苦労する。
  論文  参考訳（メタデータ） (2022-11-30T18:54:49Z)
• What should I Ask: A Knowledge-driven Approach for Follow-up Questions Generation in Conversational Surveys [63.51903260461746]
  対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。 そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。 次に,その課題に対する2段階の知識駆動モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-23T00:57:33Z)
• Generating Answer Candidates for Quizzes and Answer-Aware Question Generators [16.44011627249311]
  そこで本研究では,テキストの文通しに対して,所定の数の回答候補を生成できるモデルを提案する。 実験の結果,提案する回答候補生成モデルは,いくつか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） (2021-08-29T19:33:51Z)
• A Dataset of Information-Seeking Questions and Answers Anchored in Research Papers [66.11048565324468]
  1,585の自然言語処理論文に関する5,049の質問のデータセットを提示する。 各質問は、対応する論文のタイトルと要約のみを読むNLP実践者によって書かれ、質問は全文に存在する情報を求めます。 他のQAタスクでうまく機能する既存のモデルは、これらの質問に答える上ではうまく機能せず、論文全体から回答する際には、少なくとも27 F1ポイントパフォーマンスが低下します。
  論文  参考訳（メタデータ） (2021-05-07T00:12:34Z)
• 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)
• Stay Hungry, Stay Focused: Generating Informative and Specific Questions in Information-Seeking Conversations [41.74162467619795]
  情報非対称な会話における情報的質問生成の問題について検討する。 実践的な質問を生成するために,情報量測定を最適化するために強化学習を用いる。 そこで本研究では,提案した実用的質問は,ベースラインモデル上で生成した質問の有意性と特異性を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2020-04-30T00:49:14Z)

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。