論文の概要: A Comprehensive Survey on Multi-hop Machine Reading Comprehension
Datasets and Metrics
- arxiv url: http://arxiv.org/abs/2212.04070v1
- Date: Thu, 8 Dec 2022 04:42:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 14:38:24.526011
- Title: A Comprehensive Survey on Multi-hop Machine Reading Comprehension
Datasets and Metrics
- Title（参考訳）: マルチホップ機械理解データセットとメトリクスに関する総合的調査
- Authors: Azade Mohammadi (1), Reza Ramezani (2) and Ahmad Baraani (3) ((1)
Candidate student in University of Isfahan, (2) Assistant Professor in
University of Isfahan, (3) Professor of Computer Engineering in University of
Isfahan)
- Abstract要約: マルチホップ機械読解は,情報の相違点に基づいて質問に答えることを目的とした課題である。
評価指標とデータセットは、マルチホップMCCにおいて重要な部分である。
本研究の目的は,マルチホップMRC評価指標とデータセットの最近の進歩に関する包括的調査を行うことである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Multi-hop Machine reading comprehension is a challenging task with aim of
answering a question based on disjoint pieces of information across the
different passages. The evaluation metrics and datasets are a vital part of
multi-hop MRC because it is not possible to train and evaluate models without
them, also, the proposed challenges by datasets often are an important
motivation for improving the existing models. Due to increasing attention to
this field, it is necessary and worth reviewing them in detail. This study aims
to present a comprehensive survey on recent advances in multi-hop MRC
evaluation metrics and datasets. In this regard, first, the multi-hop MRC
problem definition will be presented, then the evaluation metrics based on
their multi-hop aspect will be investigated. Also, 15 multi-hop datasets have
been reviewed in detail from 2017 to 2022, and a comprehensive analysis has
been prepared at the end. Finally, open issues in this field have been
discussed.
- Abstract（参考訳）: マルチホップ機械読解は,異なる経路にまたがる不連続な情報に基づいて質問に答えることを目的とした課題である。
評価指標とデータセットは、モデルなしでのトレーニングと評価が不可能なため、マルチホップMCCの重要な部分であると同時に、データセットによる提案された課題は、既存のモデルを改善する上で重要なモチベーションであることが多い。
この分野への関心が高まっているため、詳細をレビューする価値がある。
本研究では,マルチホップmrc評価指標とデータセットの最近の進歩に関する総合的な調査を行う。
この点に関して、まずマルチホップ MRC 問題定義を示し、そのマルチホップ側面に基づく評価指標について検討する。
また、2017年から2022年にかけて15のマルチホップデータセットが詳細にレビューされ、最終的には包括的な分析が準備されている。
最後に,この分野のオープンな課題について論じた。
関連論文リスト
- Enhancing Human-like Multi-Modal Reasoning: A New Challenging Dataset
and Comprehensive Framework [51.44863255495668]
マルチモーダル推論は、人間のような知性を示す人工知能システムの追求において重要な要素である。
提案するマルチモーダル推論(COCO-MMR)データセットは,オープンエンド質問の集合を包含する新しいデータセットである。
画像とテキストエンコーダを強化するために,マルチホップ・クロスモーダル・アテンションや文レベルのコントラスト学習などの革新的な手法を提案する。
論文 参考訳（メタデータ） (2023-07-24T08:58:25Z) - A Comprehensive Survey on Multi-hop Machine Reading Comprehension
Approaches [0.0]
機械読解 (MRC) は自然言語処理(NLP)における長年の話題である
近年の研究では、マルチホップ MRC に焦点が当てられているが、これは MRC のより困難な拡張である。
本研究は、2018年から2022年までの31研究に基づいて、マルチホップMRCアプローチの最近の進歩を調査することを目的としている。
論文 参考訳（メタデータ） (2022-12-08T04:51:54Z) - Multilingual Multi-Aspect Explainability Analyses on Machine Reading Comprehension Models [76.48370548802464]
本稿では,マルチヘッド自己注意と最終MRCシステム性能の関係を検討するために,一連の解析実験を実施することに焦点を当てる。
問合せ及び問合せ理解の注意が問合せプロセスにおいて最も重要なものであることが判明した。
包括的可視化とケーススタディを通じて、注意マップに関するいくつかの一般的な知見も観察し、これらのモデルがどのように問題を解くかを理解するのに役立ちます。
論文 参考訳（メタデータ） (2021-08-26T04:23:57Z) - Why Machine Reading Comprehension Models Learn Shortcuts? [56.629192589376046]
トレーニングデータにおけるショートカットの質問の大部分が、モデルが過度にショートカットのトリックに依存している、と私たちは主張する。
徹底的な実証分析により、MRCモデルは挑戦的な質問よりも早くショートカットの質問を学習する傾向が示されている。
論文 参考訳（メタデータ） (2021-06-02T08:43:12Z) - Multi-Perspective Abstractive Answer Summarization [76.10437565615138]
コミュニティ質問応答フォーラムには、幅広い質問に対する回答の豊富なリソースが含まれている。
マルチパースペクティブな回答要約の目標は、答えのすべての観点を含む要約を作成することである。
本研究は,多視点抽象要約を自動生成する新しいデータセット作成手法を提案する。
論文 参考訳（メタデータ） (2021-04-17T13:15:29Z) - Self-Teaching Machines to Read and Comprehend with Large-Scale
Multi-Subject Question Answering Data [58.36305373100518]
主観的問合せデータが機械読解作業に有用かどうかは不明である。
大規模多目的多目的質問回答データセットであるExamQAを収集する。
我々は、Web検索エンジンが返す不完全でノイズの多いスニペットを、各質問応答インスタンスの関連するコンテキストとして使用し、弱いラベル付きMRCインスタンスに変換する。
論文 参考訳（メタデータ） (2021-02-01T23:18:58Z) - The Multimodal Sentiment Analysis in Car Reviews (MuSe-CaR) Dataset:
Collection, Insights and Improvements [14.707930573950787]
この種のマルチモーダルデータセットの1つである MuSe-CaR について述べる。
このデータは、最近第1回マルチモーダルセンチメント分析チャレンジのテストベッドとして公開された。
論文 参考訳（メタデータ） (2021-01-15T10:40:37Z) - Constructing A Multi-hop QA Dataset for Comprehensive Evaluation of
Reasoning Steps [31.472490306390977]
マルチホップ質問応答データセットは、モデルが与えられた質問に答えるために複数の段落を読むことを要求することにより、推論と推論のスキルをテストすることを目的としている。
これまでの研究では、既存のマルチホップデータセットの多くの例は、質問に答えるためにマルチホップ推論を必要としないことが判明した。
構造化データと非構造化データを利用する2WikiMultiHopQAと呼ばれる新しいマルチホップQAデータセットを提案する。
論文 参考訳（メタデータ） (2020-11-02T15:42:40Z) - A Survey on Machine Reading Comprehension: Tasks, Evaluation Metrics and
Benchmark Datasets [5.54205518616467]
機械読み取り(Machine Reading、MRC)は、自然言語処理(NLP)の研究分野である。
MRCモデルの多くは、さまざまなベンチマークデータセットで人のパフォーマンスをすでに上回っている。
これは、既存のデータセット、評価指標、モデルを改善して、現在のMCCモデルを"リアル"な理解へと移行する必要性を示しています。
論文 参考訳（メタデータ） (2020-06-21T19:18:54Z) - Retrospective Reader for Machine Reading Comprehension [90.6069071495214]
機械読み取り理解(英: Machine reading comprehension、MRC)とは、機械が与えられた文節に基づいて質問に対する正しい答えを決定することを要求するAIチャレンジである。
不可解な質問が MRC タスクに関与している場合、検証モジュールと呼ばれる本質的な検証モジュールがエンコーダに加えて特に必要となる。
本稿では, MRC タスクに対して, 解答不能な質問に対して, より優れた検証器設計を提案する。
論文 参考訳（メタデータ） (2020-01-27T11:14:34Z)
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。