論文の概要: Explicit Alignment and Many-to-many Entailment Based Reasoning for Conversational Machine Reading

• arxiv url: http://arxiv.org/abs/2310.13409v1
• Date: Fri, 20 Oct 2023 10:27:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 23:13:11.569844
• Title: Explicit Alignment and Many-to-many Entailment Based Reasoning for Conversational Machine Reading
• Title（参考訳）: 対話型機械読解のための明示的アライメントと多対多推論に基づく推論
• Authors: Yangyang Luo, Shiyu Tian, Caixia Yuan, Xiaojie Wang
• Abstract要約: Conversational Machine Reading (CMR) は、ユーザの最初の質問に対して、与えられた文書に基づいたマルチターン対話を通じて回答する必要がある。 提案手法は,マイクロ精度の最先端化を実現し,CMRベンチマークデータセットShARCの公開リーダボードにランクインする。
• 参考スコア（独自算出の注目度）: 8.910847114561191
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational Machine Reading (CMR) requires answering a user's initial question through multi-turn dialogue interactions based on a given document. Although there exist many effective methods, they largely neglected the alignment between the document and the user-provided information, which significantly affects the intermediate decision-making and subsequent follow-up question generation. To address this issue, we propose a pipeline framework that (1) aligns the aforementioned two sides in an explicit way, (2)makes decisions using a lightweight many-to-many entailment reasoning module, and (3) directly generates follow-up questions based on the document and previously asked questions. Our proposed method achieves state-of-the-art in micro-accuracy and ranks the first place on the public leaderboard of the CMR benchmark dataset ShARC.
• Abstract（参考訳）: 対話型機械読取(cmr)は、ある文書に基づくマルチターン対話インタラクションを通じて、ユーザの最初の質問に答える必要がある。 多くの効果的な方法が存在するが、文書とユーザが提供する情報の整合性は無視され、中間的な意思決定とその後の質問生成に大きな影響を及ぼす。 この問題に対処するために,(1)上記2つの側面を明示的に整列するパイプラインフレームワークを提案し,(2)軽量な多対多の推論モジュールを用いて意思決定を行い,(3)文書と以前に質問された質問に基づいて,直接フォローアップ質問を生成する。 提案手法は,マイクロ精度の最先端化を実現し,CMRベンチマークデータセットShARCの公開リーダボードにランクインする。

関連論文リスト

• Selecting Query-bag as Pseudo Relevance Feedback for Information-seeking Conversations [76.70349332096693]
  情報検索対話システムは電子商取引システムで広く利用されている。 クエリバッグに基づくPseudo Relevance Feedback framework(QB-PRF)を提案する。 関連クエリを備えたクエリバッグを構築し、擬似シグナルとして機能し、情報検索の会話をガイドする。
  論文  参考訳（メタデータ） (2024-03-22T08:10:32Z)
• Reranking Passages with Coarse-to-Fine Neural Retriever Enhanced by List-Context Information [0.9463895540925061]
  本稿では、他の候補からリストコンテキスト情報を取り入れることで、文節表現を増強するリストコンテキストアテンション機構を提案する。 The proposed coarse-to-fine neural retriever address the out-of-Memory limitation of the passage attention mechanism。 粗いランク付けと細かなランク付けを共同最適化プロセスに統合することで、2つのレイヤ間のフィードバックを同時に更新することが可能になる。
  論文  参考訳（メタデータ） (2023-08-23T09:29:29Z)
• Towards End-to-End Open Conversational Machine Reading [57.18251784418258]
  オープン検索型会話機械読解(OR-CMR)タスクでは,機械は対話履歴とテキスト知識ベースに応答するマルチターン質問を行う必要がある。 OR-CMRを完全エンドツーエンドで統一されたテキスト・ツー・テキスト・タスクとしてモデル化し、ShARCおよびOR-ShARCデータセットを用いた実験により、提案したエンドツーエンド・フレームワークの有効性を示す。
  論文  参考訳（メタデータ） (2022-10-13T15:50:44Z)
• 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)
• Discern: Discourse-Aware Entailment Reasoning Network for Conversational Machine Reading [157.14821839576678]
  Discernは、ドキュメントとダイアログの両方の理解を強化するために、接続を強化し、理解を深める、談話対応の係り受け推論ネットワークである。 実験の結果,意思決定におけるマクロ平均精度78.3%,フォローアップ質問生成における64.0 BLEU1が得られた。
  論文  参考訳（メタデータ） (2020-10-05T07:49:51Z)
• A Compare Aggregate Transformer for Understanding Document-grounded Dialogue [27.04964963480175]
  本稿では,対話コンテキストを協調的に認知し,応答生成のための文書情報を集約する比較集約変換器(CAT)を提案する。 CMUDoGデータセットの実験結果は、提案したCATモデルが最先端のアプローチと強力なベースラインよりも優れていることを示している。
  論文  参考訳（メタデータ） (2020-10-01T03:44:44Z)
• Tradeoffs in Sentence Selection Techniques for Open-Domain Question Answering [54.541952928070344]
  文選択のためのモデルの2つのグループについて述べる。QAベースのアプローチは、解答候補を特定するための完全なQAシステムを実行し、検索ベースのモデルは、各質問に特に関連する各節の一部を見つける。 非常に軽量なQAモデルは、このタスクではうまく機能するが、検索ベースモデルは高速である。
  論文  参考訳（メタデータ） (2020-09-18T23:39:15Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)

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。