論文の概要: Question-Context Alignment and Answer-Context Dependencies for Effective
Answer Sentence Selection
- arxiv url: http://arxiv.org/abs/2306.02196v1
- Date: Sat, 3 Jun 2023 20:59:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 19:35:48.357076
- Title: Question-Context Alignment and Answer-Context Dependencies for Effective
Answer Sentence Selection
- Title（参考訳）: 効果的な回答文選択のための質問コンテキストアライメントと回答コンテキスト依存性
- Authors: Minh Van Nguyen, Kishan KC, Toan Nguyen, Thien Huu Nguyen, Ankit
Chadha, Thuy Vu
- Abstract要約: 本稿では,質問文と回答文の依存関係を候補の最終的な表現に明示的に組み込むことにより,候補のスコアリングを改善することを提案する。
提案手法は, WikiQA や WDRASS など一般的な AS2 ベンチマークにおいて大幅な改善を実現し, すべてのベンチマークで新たな最先端のベンチマークが得られた。
- 参考スコア（独自算出の注目度）: 38.661155271311515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Answer sentence selection (AS2) in open-domain question answering finds
answer for a question by ranking candidate sentences extracted from web
documents. Recent work exploits answer context, i.e., sentences around a
candidate, by incorporating them as additional input string to the Transformer
models to improve the correctness scoring. In this paper, we propose to improve
the candidate scoring by explicitly incorporating the dependencies between
question-context and answer-context into the final representation of a
candidate. Specifically, we use Optimal Transport to compute the question-based
dependencies among sentences in the passage where the answer is extracted from.
We then represent these dependencies as edges in a graph and use Graph
Convolutional Network to derive the representation of a candidate, a node in
the graph. Our proposed model achieves significant improvements on popular AS2
benchmarks, i.e., WikiQA and WDRASS, obtaining new state-of-the-art on all
benchmarks.
- Abstract（参考訳）: オープンドメイン質問回答における回答文選択(AS2)は、Web文書から抽出した候補文のランク付けにより、質問に対する回答を求める。
最近の研究は、解答コンテキスト、すなわち候補周辺の文をTransformerモデルに追加の入力文字列として組み込むことで、正しさのスコアリングを改善する。
本稿では,質問文と回答文の依存関係を候補の最終的な表現に明示的に組み込むことで,候補のスコアリングを改善することを提案する。
具体的には、最適なトランスポートを用いて、回答が抽出された文間の質問ベースの依存関係を計算する。
次に、これらの依存関係をグラフのエッジとして表現し、グラフのノードである候補の表現を導出するためにグラフ畳み込みネットワークを使用します。
提案手法は, WikiQA や WDRASS など一般的な AS2 ベンチマークにおいて大幅な改善を実現し, すべてのベンチマークで新たな最先端のベンチマークが得られた。
関連論文リスト
- Answering Ambiguous Questions via Iterative Prompting [84.3426020642704]
オープンドメインの質問応答では、質問のあいまいさのため、複数の妥当な回答が存在する可能性がある。
ひとつのアプローチは、すべての有効な回答を直接予測することですが、これは、妥当性と多様性のバランスに苦労する可能性があります。
本稿では,あいまいな疑問に答える既存手法の欠陥に対処するため,AmbigPromptを提案する。
論文 参考訳（メタデータ） (2023-07-08T04:32:17Z) - Open-Domain Conversational Question Answering with Historical Answers [29.756094955426597]
本稿では,過去の回答を利用して検索性能を向上させるConvADR-QAを提案する。
提案手法では,学習者側が学習者側から発する雑音を低減させるため,学習者側で学習者側で学習を行う。
ベンチマークデータセットOR-QuACを用いた実験では,抽出および生成の両方において,既存のベースラインよりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-11-17T08:20:57Z) - Better Query Graph Selection for Knowledge Base Question Answering [2.367061689316429]
本稿では,知識ベース質問回答(KBQA)の性能向上を目的とした意味解析に基づく新しい手法を提案する。
具体的には、知識ベース(KB)から回答を取得するために、候補セットから最適なクエリグラフを選択する方法に焦点を当てる。
論文 参考訳（メタデータ） (2022-04-27T01:53:06Z) - Question-Answer Sentence Graph for Joint Modeling Answer Selection [122.29142965960138]
我々は,質問文,質問文,回答文のペア間のスコアを計算するための最先端(SOTA)モデルを訓練し,統合する。
オンライン推論は、目に見えないクエリのAS2タスクを解決するために実行される。
論文 参考訳（メタデータ） (2022-02-16T05:59:53Z) - In Situ Answer Sentence Selection at Web-scale [120.69820139008138]
Passage-based Extracting Answer Sentence In-place (PEASI)は、Webスケール設定に最適化されたAS2の新しい設計である。
PEASIをマルチタスク学習フレームワークでトレーニングし,各コンポーネント間の特徴共有を促進する。
実験により、PEASIはAS2の現在の最先端設定、すなわち文を独立してランク付けするためのポイントワイズモデルを6.51%精度で効果的に上回っている。
論文 参考訳（メタデータ） (2022-01-16T06:36:00Z) - Answer Generation for Retrieval-based Question Answering Systems [80.28727681633096]
シーケンス・トゥ・シークエンス・トランスモデルを訓練し、候補集合から解を生成する。
英語のAS2データセットを3つ比較したところ, 精度は32点まで向上した。
論文 参考訳（メタデータ） (2021-06-02T05:45:49Z) - Context-based Transformer Models for Answer Sentence Selection [109.96739477808134]
本稿では,文選択作業における文脈情報の役割を分析する。
本稿では,ローカルとグローバルの2種類のコンテキストを活用するTransformerベースのアーキテクチャを提案する。
その結果,トランスフォーマーモデルにおける局所コンテキストとグローバルコンテキストの組み合わせは,解答文選択の精度を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2020-06-01T21:52:19Z)
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。