論文の概要: A Comprehensive Survey on Multi-hop Machine Reading Comprehension
Approaches
- arxiv url: http://arxiv.org/abs/2212.04072v1
- Date: Thu, 8 Dec 2022 04:51:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 15:25:42.710807
- Title: A Comprehensive Survey on Multi-hop Machine Reading Comprehension
Approaches
- Title(参考訳): マルチホップ機械読解法に関する包括的調査
- Authors: Azade Mohammadi (1), Reza Ramezani (2), Ahmad Baraani (3) ((1) Ph.D
student in University of Isfahan, (2) Assistant Professor in University of
Isfahan, (3) Professor of Computer Engineering in University of Isfahan)
- Abstract要約: 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。
- 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: Machine reading comprehension (MRC) is a long-standing topic in natural
language processing (NLP). The MRC task aims to answer a question based on the
given context. Recently studies focus on multi-hop MRC which is a more
challenging extension of MRC, which to answer a question some disjoint pieces
of information across the context are required. Due to the complexity and
importance of multi-hop MRC, a large number of studies have been focused on
this topic in recent years, therefore, it is necessary and worth reviewing the
related literature. This study aims to investigate recent advances in the
multi-hop MRC approaches based on 31 studies from 2018 to 2022. In this regard,
first, the multi-hop MRC problem definition will be introduced, then 31 models
will be reviewed in detail with a strong focus on their multi-hop aspects. They
also will be categorized based on their main techniques. Finally, a fine-grain
comprehensive comparison of the models and techniques will be presented.
- Abstract(参考訳): 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。
MRCタスクは、与えられたコンテキストに基づいて質問に答えることを目的としている。
近年、MRCのより困難な拡張であるマルチホップMRCに焦点が当てられている。
マルチホップMRCの複雑さと重要性から,近年,この話題に多くの研究が注がれている。
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。
この点に関して、まずマルチホップ MRC 問題定義を導入し、その後、31のモデルをマルチホップの側面に強く焦点をあてて詳細にレビューする。
また、その主な技術によって分類される。
最後に、モデルとテクニックの詳細な比較について述べる。
関連論文リスト
- Teach model to answer questions after comprehending the document [1.4264737570114632]
Multi-choice Machine Reading (MRC)は自然言語処理(NLP)の挑戦的な拡張である
本稿では,MSCタスクを2段階に分割することで,文書の理解を深める2段階の知識蒸留法を提案する。
論文 参考訳(メタデータ) (2023-07-18T02:38:02Z) - Answering Questions by Meta-Reasoning over Multiple Chains of Thought [56.74935116310892]
MCR(Multi-Chain Reasoning)は,大規模言語モデルに対して,複数の思考連鎖に対するメタ推論を促す手法である。
MCRは、異なる推論連鎖を調べ、それら間で情報を混合し、説明を生成し、答えを予測する際に最も関係のある事実を選択する。
論文 参考訳(メタデータ) (2023-04-25T17:27:37Z) - Rethinking Label Smoothing on Multi-hop Question Answering [87.68071401870283]
MHQA (Multi-Hop Question Answering) は質問応答において重要な分野である。
本研究では,マルチホップ推論の性能を制限する主要な要因を解析する。
学習プロセスに不確実性を組み込んだ新しいラベル平滑化手法F1 Smoothingを提案する。
論文 参考訳(メタデータ) (2022-12-19T14:48:08Z) - A Comprehensive Survey on Multi-hop Machine Reading Comprehension
Datasets and Metrics [0.0]
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。
論文 参考訳(メタデータ) (2022-12-08T04:42:59Z) - Understanding Attention in Machine Reading Comprehension [56.72165932439117]
本稿では,多面的自己意識と最終的なパフォーマンスとの関係を検討するために,一連の分析実験を実施することに焦点を当てる。
SQuAD(英語)とCMRC 2018(中国語)の定量的解析を行い、BERT, ALBERT, ELECTRAの2つのスパン抽出MCCデータセットについて検討した。
本研究は, 問合せ及び問合せに対する注意が最重要であり, 最終結果と強い相関関係を示すものであることを明らかにする。
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) - Conversational Machine Comprehension: a Literature Review [5.857042938931491]
会話機械(英語: Conversational Machine、CMC)は、会話AIの研究トラックである。
マシンはオープンドメインの自然言語テキストを理解し、テキストに関連する質問に答えるマルチターン会話を行うことを期待している。
この文献レビューはCMCの全体的概要を提供し、最近発表されたモデル間の共通する傾向に重点を置いている。
論文 参考訳(メタデータ) (2020-06-01T02:20:08Z) - Machine Reading Comprehension: The Role of Contextualized Language
Models and Beyond [85.53037880415734]
機械読解 (MRC) は、機械に人間の言語を読み、理解するように教えることを目的としている。
深層ニューラルネットワークの爆発と文脈化された言語モデル(CLM)の進化により、MRCの研究は2つの大きなブレークスルーを経験した。
論文 参考訳(メタデータ) (2020-05-13T10:58:50Z) - 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。