論文の概要: Tag-Set-Sequence Learning for Generating Question-Answer Pairs

• arxiv url: http://arxiv.org/abs/2210.11608v1
• Date: Thu, 20 Oct 2022 21:51:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 14:25:14.724368
• Title: Tag-Set-Sequence Learning for Generating Question-Answer Pairs
• Title（参考訳）: 質問応答対生成のためのタグセットシーケンス学習
• Authors: Cheng Zhang, Jie Wang
• Abstract要約: テキストに対する愚かな質問を生成する問題に対処するために,タグセットシーケンス学習と呼ばれる新しい手法を提案する。 我々は,与えられた宣言文と対応する疑問文からタグセットシーケンスを学習するTSS-Learnerというシステムを構築した。 TSS-Learnerは、トランスフォーマーベースのモデルでは不十分な特定のテキストに対して適切なQAPを生成することができることを示す。
• 参考スコア（独自算出の注目度）: 10.48660454637293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transformer-based QG models can generate question-answer pairs (QAPs) with high qualities, but may also generate silly questions for certain texts. We present a new method called tag-set sequence learning to tackle this problem, where a tag-set sequence is a sequence of tag sets to capture the syntactic and semantic information of the underlying sentence, and a tag set consists of one or more language feature tags, including, for example, semantic-role-labeling, part-of-speech, named-entity-recognition, and sentiment-indication tags. We construct a system called TSS-Learner to learn tag-set sequences from given declarative sentences and the corresponding interrogative sentences, and derive answers to the latter. We train a TSS-Learner model for the English language using a small training dataset and show that it can indeed generate adequate QAPs for certain texts that transformer-based models do poorly. Human evaluation on the QAPs generated by TSS-Learner over SAT practice reading tests is encouraging.
• Abstract（参考訳）: トランスフォーマーベースのQGモデルは質の高い質問応答ペア(QAP)を生成することができるが、特定のテキストに対して愚かな質問を生成することもある。 タグセットシーケンス学習(タグセットシークエンスラーニング)と呼ばれる新しい手法を提案する。タグセットシーケンスは、下層の文の構文的および意味的な情報をキャプチャするためのタグセットのシーケンスであり、タグセットは1つ以上の言語特徴タグから構成される。 TSS-Learnerと呼ばれるシステムを構築し、与えられた宣言文と対応する疑問文からタグセットシーケンスを学習し、後者への回答を導出する。 小さなトレーニングデータセットを使って英語のtss-learnerモデルをトレーニングし、トランスフォーマーベースのモデルが不十分な特定のテキストに対して適切なqapを生成することができることを示した。 TSS-LearnerによるSAT実践読解テストに対するQAPの人的評価が推奨されている。

関連論文リスト

• Constructing Cloze Questions Generatively [2.2719421441459406]
  本稿では,ニューラルネットワークとWordNetを用いた記事からクローゼ質問を生成する手法を提案する。 CQGは与えられた文に対する応答キーを選択し、それを一連のインスタンスに分割し、トランスフォーマーとシリングシンセットを使用してインスタンスレベルのイントラクタ候補(IDC)を生成する。 その後、不適切なIDCを除去し、文脈的埋め込み類似性に基づいて残りのIDCをランク付けし、シンセセットや語彙的関連性に基づき、インスタンスを対応する上位IDCに置き換え、適切なフレーズかどうかを判定する。
  論文  参考訳（メタデータ） (2024-10-05T18:55:38Z)
• SEMQA: Semi-Extractive Multi-Source Question Answering [94.04430035121136]
  本稿では,複数ソースを半抽出的に要約することで,複数の質問に答える新しいQAタスクを提案する。 この種の最初のデータセットであるQuoteSumを作成し、自然および生成された質問に対する人間による半抽出的な回答を提示する。
  論文  参考訳（メタデータ） (2023-11-08T18:46:32Z)
• SeqXGPT: Sentence-Level AI-Generated Text Detection [62.3792779440284]
  大規模言語モデル(LLM)を用いた文書の合成による文レベル検出の課題について紹介する。 次に,文レベルのAIGT検出機能として,ホワイトボックスLEMのログ確率リストを利用した textbfSequence textbfX (Check) textbfGPT を提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:18:53Z)
• Automatic Generation of Multiple-Choice Questions [7.310488568715925]
  本稿では,QAP世代における課題に取り組むための2つの方法を提案する。 事前処理と後処理パイプラインを備えたT5 Transformerに基づくディープラーニングに基づくエンドツーエンド質問生成システム。 文のメタシーケンス表現を用いて適切なQAPを生成するシーケンス学習に基づくスキーム。
  論文  参考訳（メタデータ） (2023-03-25T22:45:54Z)
• LabelPrompt: Effective Prompt-based Learning for Relation Classification [31.291466190218912]
  本稿では,関係分類タスクのための新しいプロンプト型学習手法であるLabelPromptを提案する。 GIVE MODEL CHOICES!'の直感により、まず関係ラベルを表すための追加トークンを定義し、これらのトークンを意味的初期化を伴う動詞としてみなす。 そして、予測関係と与えられた実体との整合性を緩和するために、コントラスト学習を伴うエンティティ認識モジュールを実装した。
  論文  参考訳（メタデータ） (2023-02-16T04:06:25Z)
• 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)
• Prompting Language Models for Linguistic Structure [73.11488464916668]
  本稿では,言語構造予測タスクに対する構造化プロンプト手法を提案する。 提案手法は, 音声タグ付け, 名前付きエンティティ認識, 文チャンキングについて評価する。 PLMはタスクラベルの事前知識を事前学習コーパスに漏えいすることで有意な事前知識を含むが、構造化プロンプトは任意のラベルで言語構造を復元することも可能である。
  論文  参考訳（メタデータ） (2022-11-15T01:13:39Z)
• Dict-TTS: Learning to Pronounce with Prior Dictionary Knowledge for Text-to-Speech [88.22544315633687]
  ポリホンの曖昧さは, 音声合成システムにおいて, 自然なテキストシーケンスから正確な発音知識を抽出することを目的としている。 オンラインウェブサイト辞書を用いた意味認識型テキスト音声合成モデルであるDict-TTSを提案する。 3つの言語による実験結果から,我々のモデルは発音精度においていくつかの強いベースラインモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2022-06-05T10:50:34Z)
• Generating Adequate Distractors for Multiple-Choice Questions [7.966913971277812]
  本手法は, 音声タグ付け, 名前付きタグ付け, セマンティックロールラベル付け, 正規表現, ドメイン知識ベース, 単語埋め込み, 単語編集距離, ワードネット, その他のアルゴリズムの組み合わせである。 実験と人的判断により,各MCQは少なくとも1つの適切な注意障害を有し,評価の84%は3つの適切な注意障害を有することを示した。
  論文  参考訳（メタデータ） (2020-10-23T20:47:58Z)
• Meta Sequence Learning for Generating Adequate Question-Answer Pairs [10.48660454637293]
  本稿では,文のメタシーケンス表現を用いて適切なQAPを生成する学習手法を提案する。 与えられた宣言文上で、訓練されたメタQAモデルは、それをメタシーケンスに変換し、マッチしたMDを見つけ、対応するMIと入力文を使用してQAPを生成する。 その結果,MetaQA は SAT の練習読解テストで効率よく生成し,その精度は 97% 以上であることがわかった。
  論文  参考訳（メタデータ） (2020-10-04T16:28:13Z)
• Syn-QG: Syntactic and Shallow Semantic Rules for Question Generation [49.671882751569534]
  我々は、宣言文を質問応答対に変換する透明な統語規則であるSynQGを開発した。 PropBankの引数記述とVerbNet状態述語を利用して、浅いセマンティックコンテンツを組み込む。 文法的不正確な質問を排除し,構文の流布性を改善するために,これらの構文規則のアウトプットを逆翻訳する。
  論文  参考訳（メタデータ） (2020-04-18T19:57:39Z)

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。