論文の概要: Towards leveraging latent knowledge and Dialogue context for real-world conversational question answering

• arxiv url: http://arxiv.org/abs/2212.08946v1
• Date: Sat, 17 Dec 2022 20:36:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 16:10:48.861496
• Title: Towards leveraging latent knowledge and Dialogue context for real-world conversational question answering
• Title（参考訳）: 実世界の会話質問応答における潜在知識と対話コンテキストの活用に向けて
• Authors: Shaomu Tan, Denis Paperno
• Abstract要約: 本稿では,既存の会話ログにおける潜在知識をニューラル検索・読解システムを用いて活用することを提案する。 実験の結果,検索した背景知識を有効活用し,より優れた回答を得られることがわかった。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In many real-world scenarios, the absence of external knowledge source like Wikipedia restricts question answering systems to rely on latent internal knowledge in limited dialogue data. In addition, humans often seek answers by asking several questions for more comprehensive information. As the dialog becomes more extensive, machines are challenged to refer to previous conversation rounds to answer questions. In this work, we propose to leverage latent knowledge in existing conversation logs via a neural Retrieval-Reading system, enhanced with a TFIDF-based text summarizer refining lengthy conversational history to alleviate the long context issue. Our experiments show that our Retrieval-Reading system can exploit retrieved background knowledge to generate significantly better answers. The results also indicate that our context summarizer significantly helps both the retriever and the reader by introducing more concise and less noisy contextual information.
• Abstract（参考訳）: 現実世界の多くのシナリオでは、ウィキペディアのような外部知識源が存在しないため、質問応答システムは限られた対話データに潜む内部知識に依存している。 さらに、人間はしばしば、より包括的な情報を求めていくつかの質問をして答えを求める。 ダイアログがより広まると、マシンは質問に答えるために以前の会話ラウンドを参照するように要求される。 本研究では,TFIDFをベースとしたテキスト要約システムにより拡張され,長い会話履歴を書き換えることで,会話ログの潜在知識を活用することを提案する。 本実験では,検索した背景知識を活用し,より優れた回答を生成することができることを示す。 また,コンテクスト要約器は,より簡潔でノイズの少ないコンテクスト情報を導入することで,レトリバーと読み手の両方に有益であることを示す。

関連論文リスト

• Social Commonsense-Guided Search Query Generation for Open-Domain Knowledge-Powered Conversations [66.16863141262506]
  本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。 提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
  論文  参考訳（メタデータ） (2023-10-22T16:14:56Z)
• PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue Model [79.64376762489164]
  PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。 PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。 PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
  論文  参考訳（メタデータ） (2023-04-02T18:23:13Z)
• Interactive Question Answering Systems: Literature Review [17.033640293433397]
  対話型質問応答(Interactive Question answering)は、質問応答と対話システムの交差点に存在する、最近提案され、ますます人気が高まっているソリューションである。 ユーザがより多くの質問をできるようにすることで、インタラクティブな質問応答によって、ユーザはシステムと動的に対話し、より正確な結果を受け取ることができる。 本調査は,現在の文献で広く普及している対話型質問応答法の概要を概説する。
  論文  参考訳（メタデータ） (2022-09-04T13:46:54Z)
• Learning as Conversation: Dialogue Systems Reinforced for Information Acquisition [30.91417206129677]
  本稿では,AIを活用した新しいチャットボットを提案する。 情報獲得指向対話システムでは,ドメイン内対話データなしで様々なドメインにシステム転送できるように,強化されたセルフプレイの新たな適応が採用されている。
  論文  参考訳（メタデータ） (2022-05-29T19:42:25Z)
• End-to-end Spoken Conversational Question Answering: Task, Dataset and Model [92.18621726802726]
  音声による質問応答では、システムは関連する音声書き起こしの中に連続したテキストスパンからの質問に答えるように設計されている。 本稿では,複雑な対話フローをモデル化することを目的とした音声対話型質問応答タスク(SCQA)を提案する。 本研究の目的は,音声記録に基づく対話型質問に対処するシステムを構築することであり,情報収集システムによる様々なモダリティからより多くの手がかりを提供する可能性を探ることである。
  論文  参考訳（メタデータ） (2022-04-29T17:56:59Z)
• HybriDialogue: An Information-Seeking Dialogue Dataset Grounded on Tabular and Textual Data [87.67278915655712]
  我々は、ウィキペディアのテキストとテーブルの両方を基盤とした、クラウドソーシングされた自然な会話からなる新しい対話データセットHybriDialogueを提示する。 これらの会話は、複雑なマルチホップ質問をシンプルで現実的なマルチターン対話に分解することで生成される。
  論文  参考訳（メタデータ） (2022-04-28T00:52:16Z)
• Achieving Conversational Goals with Unsupervised Post-hoc Knowledge Injection [37.15893335147598]
  現在のニューラルダイアログモデルの制限は、生成された応答における特異性と情報性の欠如に悩まされる傾向があることである。 本稿では,対話履歴と既存の対話モデルから初期応答の両方を条件とした,多様な知識スニペットの集合を検索する,ポストホックな知識注入手法を提案する。 我々は,各検索したスニペットを,勾配に基づく復号法を用いて初期応答に個別に注入し,教師なしランキングステップで最終応答を選択する複数の候補応答を構築する。
  論文  参考訳（メタデータ） (2022-03-22T00:42:27Z)
• BERT-CoQAC: BERT-based Conversational Question Answering in Context [10.811729691130349]
  履歴変換をシステム内に組み込むためのBERTという,パブリックに利用可能なプリトレーニング言語モデルに基づくフレームワークを紹介する。 実験の結果,我々のフレームワークはQuACリーダボードの最先端モデルと同等の性能を示した。
  論文  参考訳（メタデータ） (2021-04-23T03:05:17Z)
• A Graph-guided Multi-round Retrieval Method for Conversational Open-domain Question Answering [52.041815783025186]
  本稿では,会話のターン間の回答間の関係をモデル化するグラフ誘導検索手法を提案する。 また,検索コンテキストが現在の質問理解に与える影響を検討するために,マルチラウンド関連フィードバック手法を導入することを提案する。
  論文  参考訳（メタデータ） (2021-04-17T04:39:41Z)
• BERT Embeddings Can Track Context in Conversational Search [5.3222282321717955]
  我々は,自然な方法で情報検索を支援する対話型検索システムを開発した。 システムは、質問が提示される状況を理解し、会話の現在の状態を追跡し、以前の質問や回答に対する言及を検出する。
  論文  参考訳（メタデータ） (2021-04-13T22:02:24Z)
• Open-Retrieval Conversational Machine Reading [80.13988353794586]
  会話機械読解では、システムは自然言語規則を解釈し、ハイレベルな質問に答え、フォローアップの明確化を問う必要がある。 既存の作業では、ルールテキストがユーザ毎の質問に対して提供されると仮定し、実際のシナリオにおいて必須の検索ステップを無視する。 本研究では,対話型機械読解のオープンリトリーバル設定を提案し,検討する。
  論文  参考訳（メタデータ） (2021-02-17T08:55:01Z)

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。