論文の概要: Reinforced Question Rewriting for Conversational Question Answering

• arxiv url: http://arxiv.org/abs/2210.15777v1
• Date: Thu, 27 Oct 2022 21:23:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 16:32:33.980742
• Title: Reinforced Question Rewriting for Conversational Question Answering
• Title（参考訳）: 会話型質問応答のための強化質問書き換え
• Authors: Zhiyu Chen, Jie Zhao, Anjie Fang, Besnik Fetahu, Oleg Rokhlenko, Shervin Malmasi
• Abstract要約: 対話型質問を自己完結型質問に書き換えるモデルを開発した。 既存のシングルターンQAシステムを使用することで、CQAモデルをスクラッチからトレーニングすることを回避することができる。 我々は、強化学習による書き換えモデルの監督にQAフィードバックを用いることを提案する。
• 参考スコア（独自算出の注目度）: 25.555372505026526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational Question Answering (CQA) aims to answer questions contained within dialogues, which are not easily interpretable without context. Developing a model to rewrite conversational questions into self-contained ones is an emerging solution in industry settings as it allows using existing single-turn QA systems to avoid training a CQA model from scratch. Previous work trains rewriting models using human rewrites as supervision. However, such objectives are disconnected with QA models and therefore more human-like rewrites do not guarantee better QA performance. In this paper we propose using QA feedback to supervise the rewriting model with reinforcement learning. Experiments show that our approach can effectively improve QA performance over baselines for both extractive and retrieval QA. Furthermore, human evaluation shows that our method can generate more accurate and detailed rewrites when compared to human annotations.
• Abstract（参考訳）: 会話質問回答 (CQA) は、文脈なしでは容易に解釈できない対話に含まれる質問に答えることを目的としている。 会話の質問を自己完結した質問に書き換えるためのモデルを開発することは、既存のシングルターンQAシステムを使用して、CQAモデルをスクラッチからトレーニングすることを避けることで、業界における新たなソリューションとなる。 従来の作業列車は、人間の書き直しを監督としてモデルを書き直した。 しかし、このような目的はQAモデルと切り離されているため、より人間的な書き直しはQAのパフォーマンスを保証しない。 本稿では,強化学習による書き換えモデルの監視にQAフィードバックを用いることを提案する。 提案手法は,抽出QAと検索QAの両方において,ベースライン上でのQA性能を効果的に向上できることを示す。 さらに,本手法は人間のアノテーションと比較して,より正確かつ詳細な書き直しを生成できることを示す。

関連論文リスト

• SQUARE: Automatic Question Answering Evaluation using Multiple Positive and Negative References [73.67707138779245]
  SQuArE (Sentence-level QUestion AnsweRing Evaluation) という新しい評価指標を提案する。 文レベルの抽出(回答選択)と生成(GenQA)の両方のQAシステムでSQuArEを評価する。
  論文  参考訳（メタデータ） (2023-09-21T16:51:30Z)
• Can Question Rewriting Help Conversational Question Answering? [13.484873786389471]
  質問書き直し (QR) は会話型質問応答 (CQA) のサブタスクである。 本稿では,QRとCQAタスクを統合した強化学習手法について検討する。 しかし、RL法はエンドツーエンドのベースラインと同等であることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T08:16:03Z)
• Improving Unsupervised Question Answering via Summarization-Informed Question Generation [47.96911338198302]
  質問生成 (QG) とは, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、 我々は、自由なニュース要約データを使用し、宣言文を依存性解析、名前付きエンティティ認識、セマンティックロールラベリングを用いて適切な質問に変換する。 得られた質問は、元のニュース記事と組み合わせて、エンドツーエンドのニューラルQGモデルをトレーニングする。
  論文  参考訳（メタデータ） (2021-09-16T13:08:43Z)
• Learn to Resolve Conversational Dependency: A Consistency Training Framework for Conversational Question Answering [14.382513103948897]
  本稿では,会話の文脈を理解する上で,QAモデルの能力を高めるためにExCorD(会話依存の解決方法の明示的ガイダンス)を提案する。 実験では,QuACでは1.2F1,CANARDでは5.2F1,QAモデルでは1.2F1に改善した。
  論文  参考訳（メタデータ） (2021-06-22T07:16:45Z)
• Counterfactual Variable Control for Robust and Interpretable Question Answering [57.25261576239862]
  ディープニューラルネットワークに基づく質問応答(QA)モデルは、多くの場合、堅牢でも説明もできない。 本稿では、因果推論を用いてQAモデルのこのような突発的な「能力」を検証する。 本稿では,任意のショートカット相関を明示的に緩和する,CVC(Counterfactual Variable Control)という新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-12T10:09:05Z)
• Generating Diverse and Consistent QA pairs from Contexts with Information-Maximizing Hierarchical Conditional VAEs [62.71505254770827]
  非構造化テキストを文脈として与えられたQAペアを生成するための条件付き変分オートエンコーダ(HCVAE)を提案する。 我々のモデルは、トレーニングにわずかなデータしか使わず、両方のタスクの全てのベースラインに対して印象的なパフォーマンス向上が得られる。
  論文  参考訳（メタデータ） (2020-05-28T08:26:06Z)
• Harvesting and Refining Question-Answer Pairs for Unsupervised QA [95.9105154311491]
  教師なし質問回答(QA)を改善するための2つのアプローチを提案する。 まず、ウィキペディアから語彙的・構文的に異なる質問を抽出し、質問応答対のコーパスを自動的に構築する(RefQAと名づけられる)。 第2に、より適切な回答を抽出するためにQAモデルを活用し、RefQA上でデータを反復的に洗練する。
  論文  参考訳（メタデータ） (2020-05-06T15:56:06Z)
• Question Rewriting for Conversational Question Answering [15.355557454305776]
  本稿では,TREC CAsT 2019パス検索データセット上で,新たな技術状況を設定する対話型QAアーキテクチャを提案する。 また,同じQRモデルにより,QACデータセットのQA性能が向上することを示す。 評価の結果,QRモデルは両データセットにおいてほぼ人間レベルの性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-04-30T09:27:43Z)
• Template-Based Question Generation from Retrieved Sentences for Improved Unsupervised Question Answering [98.48363619128108]
  擬似学習データを用いてQAモデルを訓練するための教師なしアプローチを提案する。 関連した検索文に簡単なテンプレートを適用してQA学習のための質問を生成すると、元の文脈文よりも、下流QAのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2020-04-24T17:57:45Z)

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。