論文の概要: A Survey on Table-and-Text HybridQA: Concepts, Methods, Challenges and Future Directions

• arxiv url: http://arxiv.org/abs/2212.13465v1
• Date: Tue, 27 Dec 2022 12:34:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 14:27:21.108739
• Title: A Survey on Table-and-Text HybridQA: Concepts, Methods, Challenges and Future Directions
• Title（参考訳）: 表とテキストのハイブリッドQAに関する調査:概念,方法,課題,今後の方向性
• Authors: Dingzirui Wang, Longxu Dou, Wanxiang Che
• Abstract要約: 表とテキストのハイブリッドな質問応答 (HybridQA) は、金融分野や科学分野に広く採用されているNLPタスクである。 本稿では,現在のHybridQAベンチマークと手法を要約し,課題と今後の方向性について分析する。
• 参考スコア（独自算出の注目度）: 46.11511797999039
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Table-and-text hybrid question answering (HybridQA) is a widely used and challenging NLP task commonly applied in the financial and scientific domain. The early research focuses on migrating other QA task methods to HybridQA, while with further research, more and more HybridQA-specific methods have been present. With the rapid development of HybridQA, the systematic survey is still under-explored to summarize the main techniques and advance further research. So we present this work to summarize the current HybridQA benchmarks and methods, then analyze the challenges and future directions of this task. The contributions of this paper can be summarized in three folds: (1) first survey, to our best knowledge, including benchmarks, methods and challenges for HybridQA; (2) systematic investigation with the reasonable comparison of the existing systems to articulate their advantages and shortcomings; (3) detailed analysis of challenges in four important dimensions to shed light on future directions.
• Abstract（参考訳）: 表とテキストのハイブリッドな質問応答 (HybridQA) は、金融分野や科学分野に広く採用されているNLPタスクである。 初期の研究は、他のQAタスクメソッドをHybridQAに移行することに焦点を当て、さらなる研究により、HybridQA固有の方法がより多く存在する。 hybridqaの急速な発展に伴い、体系的な調査は、主要なテクニックを要約し、さらなる研究を進めるために、まだ検討中である。 そこで本稿では,現在のhybridqaベンチマークとメソッドを要約し,タスクの課題と今後の方向性を分析する。 本論文の貢献は,(1)ハイブリダカのためのベンチマーク,手法,課題を含む,我々の最良知識に対する第一調査,(2)既存システムのメリットと欠点を明確化するための合理的比較による系統的調査,(3)将来の方向性に光を当てる4つの重要な次元における課題の詳細な分析,の3つにまとめられる。

関連論文リスト

• Towards Better Question Generation in QA-based Event Extraction [3.699715556687871]
  イベント抽出(EE)は、構造化されていないテキストからイベント関連情報を抽出することを目的としている。 質問の品質は、抽出精度に劇的に影響を及ぼす。 本稿では,QAベースのEEのための強化学習手法RLQGを提案する。
  論文  参考訳（メタデータ） (2024-05-17T03:52:01Z)
• Exploring Diverse Methods in Visual Question Answering [0.6707149143800017]
  本研究では,GAN(Generative Adversarial Networks),オートエンコーダ,アテンション機構を用いた視覚質問応答(VQA)の改善手法について検討する。 GANベースのアプローチは、イメージと質問入力に条件付き回答の埋め込みを生成することを目的としており、より複雑なタスクに苦労する可能性を示している。 オートエンコーダベースのテクニックは、質問や画像に対する最適な埋め込みの学習に重点を置いており、複雑な質問に対する能力の向上により、GANと同等の結果が得られる。
  論文  参考訳（メタデータ） (2024-04-21T07:34:44Z)
• Heterogeneous Federated Learning: State-of-the-art and Research Challenges [117.77132819796105]
  不均一フェデレートラーニング(HFL)はより困難であり、それに対応するソリューションは多様で複雑である。 HFLの新たな進歩を概説し,既存のHFL手法の新たな分類法を提案する。 HFLにおけるいくつかの重要かつ将来的な研究方向性について論じる。
  論文  参考訳（メタデータ） (2023-07-20T06:32:14Z)
• QontSum: On Contrasting Salient Content for Query-focused Summarization [22.738731393540633]
  クエリ中心の要約(QFS)は、特定のクエリに対処する要約を生成する自然言語処理において難しいタスクである。 本稿では,GARにおけるQFSの役割について述べる。 コントラスト学習を利用したQFSの新しい手法であるQontSumを提案する。
  論文  参考訳（メタデータ） (2023-07-14T19:25:35Z)
• PACIFIC: Towards Proactive Conversational Question Answering over Tabular and Textual Data in Finance [96.06505049126345]
  我々はPACIFICという新しいデータセットを提案する。既存のCQAデータセットと比較すると、PACIFICは(i)活動性、(ii)数値推論、(iii)表とテキストのハイブリッドコンテキストの3つの重要な特徴を示す。 質問生成とCQAを組み合わせたPCQA(Proactive Conversational Question Answering)に基づいて,新しいタスクを定義する。 UniPCQAはPCQAのすべてのサブタスク上でマルチタスク学習を行い、Seeq2Seqの上位$kのサンプルをクロスバリデーションすることで、マルチタスク学習におけるエラー伝搬問題を緩和するための単純なアンサンブル戦略を取り入れている。
  論文  参考訳（メタデータ） (2022-10-17T08:06:56Z)
• Exploring Neural Models for Query-Focused Summarization [74.41256438059256]
  クエリ中心の要約(QFS)に対するニューラルネットワークの体系的な探索を行う。 本稿では,QMSumデータセットの最先端性能を最大3.38ROUGE-1,3.72ROUGE-2,3.28ROUGE-Lのマージンで達成する2つのモデル拡張を提案する。
  論文  参考訳（メタデータ） (2021-12-14T18:33:29Z)
• Complex Knowledge Base Question Answering: A Survey [41.680033017518376]
  知識ベース質問応答(KBQA)は、知識ベース(KB)に関する質問に答えることを目的としている。 近年、研究者は複雑な疑問に答えることの難しさを考察する新しい手法を多数提案している。 本稿では,複雑なKBQAの手法,すなわち意味解析法(SPベース)と情報検索法(IRベース)の2つの主要なカテゴリについて述べる。
  論文  参考訳（メタデータ） (2021-08-15T08:14:54Z)
• A Survey on Complex Knowledge Base Question Answering: Methods, Challenges and Solutions [41.680033017518376]
  知識ベース質問応答(KBQA)は、知識ベース(KB)に関する質問に答えることを目的としている。 複雑なKBQAの典型的な課題と解決策を精巧に要約する。
  論文  参考訳（メタデータ） (2021-05-25T03:45:30Z)
• A Survey on Heterogeneous Graph Embedding: Methods, Techniques, Applications and Sources [79.48829365560788]
  異種情報ネットワーク (heterogenous information network) としても知られるヘテロジニアスグラフ (HGs) は、現実のシナリオにおいてユビキタス化されている。 HG埋め込みは、下流タスクのための不均一な構造と意味を保ちながら、低次元空間での表現を学習することを目的としている。
  論文  参考訳（メタデータ） (2020-11-30T15:03:47Z)
• A Survey on Complex Question Answering over Knowledge Base: Recent Advances and Challenges [71.4531144086568]
  知識ベース(KB)に対する質問回答(QA)は、自然言語の質問に自動的に答えることを目的としている。 研究者は、よりKBのトリプルと制約推論を必要とする単純な質問から複雑な質問へと注意を移した。
  論文  参考訳（メタデータ） (2020-07-26T07:13:32Z)

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。