論文の概要: Evidentiality-aware Retrieval for Overcoming Abstractiveness in Open-Domain Question Answering

• arxiv url: http://arxiv.org/abs/2304.03031v6
• Date: Thu, 1 Feb 2024 17:36:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 19:48:07.467482
• Title: Evidentiality-aware Retrieval for Overcoming Abstractiveness in Open-Domain Question Answering
• Title（参考訳）: オープンドメイン質問応答における抽象性克服のための顕在性認識検索
• Authors: Yongho Song, Dahyun Lee, Myungha Jang, Seung-won Hwang, Kyungjae Lee, Dongha Lee, Jinyeong Yeo
• Abstract要約: 本稿では, 証拠パスを注意散逸者から識別するためのEADPR (Evidentiality-Aware Passage Retrieval) を提案する。 提案手法が複数の抽象型ODQAタスクにおいて有効であることを示すため,広範囲な実験を行った。
• 参考スコア（独自算出の注目度）: 29.00167886463793
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The long-standing goal of dense retrievers in abtractive open-domain question answering (ODQA) tasks is to learn to capture evidence passages among relevant passages for any given query, such that the reader produce factually correct outputs from evidence passages. One of the key challenge is the insufficient amount of training data with the supervision of the answerability of the passages. Recent studies rely on iterative pipelines to annotate answerability using signals from the reader, but their high computational costs hamper practical applications. In this paper, we instead focus on a data-centric approach and propose Evidentiality-Aware Dense Passage Retrieval (EADPR), which leverages synthetic distractor samples to learn to discriminate evidence passages from distractors. We conduct extensive experiments to validate the effectiveness of our proposed method on multiple abstractive ODQA tasks.
• Abstract（参考訳）: 難解なopen-domain question answering (odqa)タスクにおける高密度検索者の長年の目標は、任意のクエリに対して関連する文中の証拠文をキャプチャすることであり、読み手が証拠文から事実的に正しい出力を生成することである。 鍵となる課題の1つは、文章の回答可能性の監督を伴う訓練データの不足である。 最近の研究では、読み手からの信号を使って応答性に注釈をつけるために反復的なパイプラインに依存しているが、高い計算コストは実用的な応用を妨げている。 そこで本稿では,データ中心のアプローチに焦点をあてて,合成イントラクタサンプルを活用して,イントラクタからのエビデンスパスを識別するEvidentiality-Aware Dense Passage Retrieval (EADPR)を提案する。 提案手法が複数の抽象型ODQAタスクにおいて有効であることを示すため,広範な実験を行った。

関連論文リスト

• Passage-specific Prompt Tuning for Passage Reranking in Question Answering with Large Language Models [11.716595438057997]
  オープンドメイン質問応答(PSPT)における再ランク付けのためのパス固有プロンプトチューニングを提案する。 PSPTは、学習可能なパス固有のソフトプロンプトを微調整するパラメータ効率の手法である。 我々は,Llama-2-chat-7Bモデルを用いた3つの公開領域質問応答データセットの広範な実験を行った。
  論文  参考訳（メタデータ） (2024-05-31T07:43:42Z)
• Improving Zero-shot Reader by Reducing Distractions from Irrelevant Documents in Open-Domain Question Answering [10.794156033638984]
  大規模言語モデル(LLM)は、オープンドメイン質問応答(ODQA)におけるゼロショットアプローチを可能にする 本研究の目的は,計算コストの課題とラベル付きデータの必要性に対処するゼロショットリーダの実現性である。
  論文  参考訳（メタデータ） (2023-10-26T15:45:12Z)
• Strong and Efficient Baselines for Open Domain Conversational Question Answering [2.773656427800412]
  The State-of-the-Art (SotA) Dense Passage Retrieval (DPR) retriever and Fusion-in-Decoder (FiD) reader pipeline。 本稿では,レシーバとリーダの間に高速なリグレードコンポーネントを導入することで,強力でシンプルで効率的なベースラインを提案し,評価する。 TopiOCQA と OR-QuAC という2つの ODConvQA タスクの実験により,本手法が SotA 結果を改善するとともに,読み出し遅延を60%削減することを示した。
  論文  参考訳（メタデータ） (2023-10-23T08:48:14Z)
• On the Universal Adversarial Perturbations for Efficient Data-free Adversarial Detection [55.73320979733527]
  本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。 実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
  論文  参考訳（メタデータ） (2023-06-27T02:54:07Z)
• Passage-Mask: A Learnable Regularization Strategy for Retriever-Reader Models [36.58955176223759]
  Retriever-Readerモデルは、オープン質問応答や対話会話など、多くの異なるNLPタスク間での競合的なパフォーマンスを実現する。 学習可能なパスマスク機構を導入し、トップランクの検索パスからの影響を減らし、モデルが過度に適合しないようにする。
  論文  参考訳（メタデータ） (2022-11-02T06:39:46Z)
• PReGAN: Answer Oriented Passage Ranking with Weakly Supervised GAN [34.96355889356033]
  本稿では,ジェネレーティブ・ディバイサル・ニューラル・ネットワークに基づくパッセージ・リグレードのためのtttPReGANという手法を提案する。 ゴールは、ジェネレータに、トポロジ的に関係があり、答えを含むパスを高くランクさせることである。
  論文  参考訳（メタデータ） (2022-07-05T01:43:35Z)
• A Unified End-to-End Retriever-Reader Framework for Knowledge-based VQA [67.75989848202343]
  本稿では,知識に基づくVQAに向けて,エンド・ツー・エンドのレトリバー・リーダー・フレームワークを提案する。 我々は、視覚言語による事前学習モデルからの多モーダルな暗黙の知識に光を当て、知識推論の可能性を掘り下げた。 提案手法では,知識検索のガイダンスを提供するだけでなく,質問応答に対してエラーが発生しやすいケースも排除できる。
  論文  参考訳（メタデータ） (2022-06-30T02:35:04Z)
• Joint Passage Ranking for Diverse Multi-Answer Retrieval [56.43443577137929]
  質問に対する複数の異なる回答をカバーするために、パスの取得を必要とする探索不足の問題であるマルチアンサー検索について検討する。 モデルが別の有効な答えを逃す費用で同じ答えを含む通路を繰り返すべきではないので、このタスクは、検索された通路の共同モデリングを必要とします。 本稿では,再順位に着目したジョイントパス検索モデルであるJPRを紹介する。 回収された通路の合同確率をモデル化するために、JPRは、新しい訓練および復号アルゴリズムを備えた通路のシーケンスを選択する自動回帰リタイナを利用する。
  論文  参考訳（メタデータ） (2021-04-17T04:48:36Z)
• 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)
• Complementary Evidence Identification in Open-Domain Question Answering [66.17954897343456]
  オープンドメイン質問応答(QA)における補完的証拠識別の新しい問題を提案する。 この問題は、複雑な質問に答えるために、複数の側面から完全な証拠をカバーする小さな通路を効率的に見つけることを目指しています。
  論文  参考訳（メタデータ） (2021-03-22T08:04:50Z)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)

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。