論文の概要: Bridging The Gap: Entailment Fused-T5 for Open-retrieval Conversational Machine Reading Comprehension

• arxiv url: http://arxiv.org/abs/2212.09353v1
• Date: Mon, 19 Dec 2022 10:38:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 16:38:28.843877
• Title: Bridging The Gap: Entailment Fused-T5 for Open-retrieval Conversational Machine Reading Comprehension
• Title（参考訳）: ギャップを埋める: Entailment Fused-T5 for Open-Retrieval Conversational Machine Reading Comprehension
• Authors: Xiao Zhang, Heyan Huang, Zewen Chi, Xian-Ling Mao
• Abstract要約: オープン検索型会話機械読解は実生活における対話シーンをシミュレートする。 最近の研究では、意思決定と質問生成の間の情報ギャップを減らす方法が検討されている。 本稿では,意思決定と生成の間の情報ギャップを埋めるため,EFT(Entailment Fused-T5)と呼ばれる新しい一段階のエンドツーエンドフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 48.529698533726496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open-retrieval conversational machine reading comprehension (OCMRC) simulates real-life conversational interaction scenes. Machines are required to make a decision of "Yes/No/Inquire" or generate a follow-up question when the decision is "Inquire" based on retrieved rule texts, user scenario, user question, and dialogue history. Recent studies explored the methods to reduce the information gap between decision-making and question generation and thus improve the performance of generation. However, the information gap still exists because these pipeline structures are still limited in decision-making, span extraction, and question rephrasing three stages. Decision-making and generation are reasoning separately, and the entailment reasoning utilized in decision-making is hard to share through all stages. To tackle the above problem, we proposed a novel one-stage end-to-end framework, called Entailment Fused-T5 (EFT), to bridge the information gap between decision-making and generation in a global understanding manner. The extensive experimental results demonstrate that our proposed framework achieves new state-of-the-art performance on the OR-ShARC benchmark.
• Abstract（参考訳）: open-retrieval conversational machine reading comprehension (ocmrc)は実際の会話シーンをシミュレートする。 マシンは、検索されたルールテキスト、ユーザシナリオ、ユーザ質問、対話履歴に基づいて、"Yes/No/Inquire"の判定や、"Inquire"であると判断された場合のフォローアップ質問を生成する必要がある。 近年,意思決定と質問生成の間の情報ギャップを低減し,生成性能を向上させる手法が検討されている。 しかし、これらのパイプライン構造は3段階の意思決定、スパン抽出、質問の再現に制限があるため、情報ギャップは依然として存在する。 意思決定と生成は別々に推論され、意思決定に使用される詳細な推論は全段階にわたって共有することは困難である。 そこで我々は,意思決定と生成の間の情報ギャップをグローバルな理解で埋めるため,EFT(Entailment Fused-T5)と呼ばれる新しい一段階のエンドツーエンドフレームワークを提案する。 広範な実験結果から,提案フレームワークがor-sharcベンチマークで新たな最先端性能を実現することを実証した。

関連論文リスト

• Bridging Context Gaps: Leveraging Coreference Resolution for Long Contextual Understanding [28.191029786204624]
  大規模言語モデル(LLM)の性能向上を目的としたLong Question Coreference Adaptation (LQCA) 手法を提案する。 このフレームワークは、長いコンテキストに合わせて調整されたコア参照解決に焦点を当てており、モデルが参照を効果的に識別し、管理することができる。 このフレームワークはLLMの扱いやすいパーティションを提供し、理解を深める。
  論文  参考訳（メタデータ） (2024-10-02T15:39:55Z)
• Thread: A Logic-Based Data Organization Paradigm for How-To Question Answering with Retrieval Augmented Generation [49.36436704082436]
  ハウツー質問は意思決定プロセスに不可欠なものであり、動的でステップバイステップの回答を必要とする。 我々は,現在のシステムがハウツー質問をより効果的に扱えるようにするための新しいデータ組織パラダイムThreadを提案する。
  論文  参考訳（メタデータ） (2024-06-19T09:14:41Z)
• Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
  そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。 我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。 インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
  論文  参考訳（メタデータ） (2023-11-16T00:18:50Z)
• ET5: A Novel End-to-end Framework for Conversational Machine Reading Comprehension [48.529698533726496]
  本稿では, 対話型機械読解のための包含推論T5(ET5)に基づくエンドツーエンドフレームワークを提案する。 提案フレームワークの軽量さにもかかわらず,提案するET5は,BLEU-4スコア55.2のShARCリーダボード上で,新たな最先端結果が得られることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2022-09-23T08:58:03Z)
• Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
  本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-08-28T08:04:28Z)
• Local Explanation of Dialogue Response Generation [77.68077106724522]
  反応生成の局所的説明(LERG)は、生成モデルの推論過程に関する洞察を得るために提案される。 LERGは、シーケンス予測を人間の応答の不確実性推定とみなし、入力を摂動させ、人間の応答に対する確実性の変化を計算することによって説明を作成する。 提案手法は, 提案手法を改良し, 提案手法の4.4～12.8%を改良した。
  論文  参考訳（メタデータ） (2021-06-11T17:58:36Z)
• Explicit Memory Tracker with Coarse-to-Fine Reasoning for Conversational Machine Reading [177.50355465392047]
  本稿では,EMT(Explicit Memory Tracker)を用いた会話機械読取フレームワークを提案する。 我々のフレームワークは、粗大な推論戦略を採用することによって、明確化の質問を生成する。 EMTは74.6%のマイクロ平均決定精度と49.5BLEU4の新たな最先端結果を達成する。
  論文  参考訳（メタデータ） (2020-05-26T02:21:31Z)

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。