論文の概要: Divide & Conquer for Entailment-aware Multi-hop Evidence Retrieval

• arxiv url: http://arxiv.org/abs/2311.02616v1
• Date: Sun, 5 Nov 2023 10:31:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 16:39:24.455203
• Title: Divide & Conquer for Entailment-aware Multi-hop Evidence Retrieval
• Title（参考訳）: 包括型マルチホップエビデンス検索のためのディバイド・コンバータ
• Authors: Fan Luo, Mihai Surdeanu
• Abstract要約: そこで本研究では,テキスト・エンテリメント・リレーション・リレーションシップが,考慮すべき重要な関連性次元であることを示す。 そこで本研究では,各サブタスクに個別に対処し,多様な関連信号を考慮した文を並べ替える2つのアンサンブルモデル EAR と EARnest を提案する。
• 参考スコア（独自算出の注目度）: 25.379528163789082
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lexical and semantic matches are commonly used as relevance measurements for information retrieval. Together they estimate the semantic equivalence between the query and the candidates. However, semantic equivalence is not the only relevance signal that needs to be considered when retrieving evidences for multi-hop questions. In this work, we demonstrate that textual entailment relation is another important relevance dimension that should be considered. To retrieve evidences that are either semantically equivalent to or entailed by the question simultaneously, we divide the task of evidence retrieval for multi-hop question answering (QA) into two sub-tasks, i.e., semantic textual similarity and inference similarity retrieval. We propose two ensemble models, EAR and EARnest, which tackle each of the sub-tasks separately and then jointly re-rank sentences with the consideration of the diverse relevance signals. Experimental results on HotpotQA verify that our models not only significantly outperform all the single retrieval models it is based on, but is also more effective than two intuitive ensemble baseline models.
• Abstract（参考訳）: 語彙と意味の一致は、情報検索の関連測度として一般的に用いられる。 共に、クエリと候補の間の意味的等価性を見積もる。 しかし、マルチホップ質問の証拠を検索する際に考慮する必要があるのは、意味同値だけではない。 本研究は,テキストの包含関係が,考慮すべき重要な関連性次元であることを示す。 質問と意味的に等価な証拠を同時に検索するために、マルチホップ質問応答(qa)の証拠検索タスクを2つのサブタスク、すなわち意味テキストの類似性と推論の類似性検索に分割する。 そこで本研究では,各サブタスクに個別に対処し,多様な関連信号を考慮した文を並べ替える2つのアンサンブルモデル EAR と EARnest を提案する。 hotpotqaの実験結果は、我々のモデルがベースとなる1つの検索モデルすべてよりも著しく優れるだけでなく、2つの直感的なアンサンブルベースラインモデルよりも効果的であることを検証している。

関連論文リスト

• Generative Retrieval Meets Multi-Graded Relevance [104.75244721442756]
  GRADed Generative Retrieval (GR$2$)というフレームワークを紹介します。 GR$2$は2つの重要なコンポーネントに焦点を当てている。 マルチグレードとバイナリの関連性を持つデータセットの実験は,GR$2$の有効性を示した。
  論文  参考訳（メタデータ） (2024-09-27T02:55:53Z)
• Query-oriented Data Augmentation for Session Search [71.84678750612754]
  本稿では,検索ログの強化とモデリングの強化を目的としたクエリ指向データ拡張を提案する。 検索コンテキストの最も重要な部分を変更することで補足的なトレーニングペアを生成する。 我々は、現在のクエリを変更するためのいくつかの戦略を開発し、その結果、様々な難易度で新しいトレーニングデータを得る。
  論文  参考訳（メタデータ） (2024-07-04T08:08:33Z)
• Multi-Label Classification for Implicit Discourse Relation Recognition [10.280148603465697]
  暗黙的な談話関係認識のための多言語分類フレームワークについて検討する。 本研究では,複数ラベルの分類手法が単一ラベルの予測性能を低下させないことを示す。
  論文  参考訳（メタデータ） (2024-06-06T19:37:25Z)
• UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question Answering Over Knowledge Graph [89.98762327725112]
  KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。 我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
  論文  参考訳（メタデータ） (2022-12-02T04:08:09Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)
• Aggregating Pairwise Semantic Differences for Few-Shot Claim Veracity Classification [21.842139093124512]
  本稿では,新しいベクトルベース手法であるSEEDを導入する。 クラス内のクレーム-エビデンス対の平均意味的差異を捉えるクラス代表ベクトルをシミュレートできるという仮説に基づいて構築する。 FEVERとSCIFACTデータセットで実施された実験では、数ショット設定で競合するベースラインよりも一貫した改善が見られた。
  論文  参考訳（メタデータ） (2022-05-11T17:23:37Z)
• Learning with Instance Bundles for Reading Comprehension [61.823444215188296]
  質問応答スコアを複数の関連インスタンスで比較する新しい監視手法を提案する。 具体的には、密接に対照的な質問や回答のさまざまな近所でこれらのスコアを正規化します。 2つのデータセット上のインスタンスバンドルによるトレーニングの有効性を実証的に実証する。
  論文  参考訳（メタデータ） (2021-04-18T06:17:54Z)
• Coarse-grained decomposition and fine-grained interaction for multi-hop question answering [5.88731657602706]
  多くの複雑なクエリはマルチホップ推論を必要とする。 Bi-DAFは通常、複雑な質問における単語の表面意味論のみをキャプチャする。 マルチホップ回答のための新しいモデルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-01-15T06:56:34Z)
• Match$^2$: A Matching over Matching Model for Similar Question Identification [74.7142127303489]
  コミュニティ質問回答(Community Question Answering, CQA)は,質問や回答の提出を自由に行う,知識獲得のための主要な手段となっている。 類似した質問識別は、CQAの中核的なタスクとなり、新しい質問が尋ねられるたびに、アーカイブされたリポジトリから同様の質問を見つけることを目的としている。 自然言語の固有のバリエーション、すなわち、同じ質問をしたり、同じ表現を共有する異なる質問をする方法があるため、この2つの質問の類似性を適切に測定することは、長い間困難であった。 従来の手法では片側の使用が一般的であり、答えを拡張された表現として活用する。
  論文  参考訳（メタデータ） (2020-06-21T05:59:34Z)

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。