論文の概要: Exploring Answer Information Methods for Question Generation with Transformers

• arxiv url: http://arxiv.org/abs/2312.03483v1
• Date: Wed, 6 Dec 2023 13:26:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 14:42:59.517109
• Title: Exploring Answer Information Methods for Question Generation with Transformers
• Title（参考訳）: 変圧器を用いた質問生成のための解答情報探索
• Authors: Talha Chafekar, Aafiya Hussain, Grishma Sharma, Deepak Sharma
• Abstract要約: 我々は3つの異なる手法とその組み合わせを用いて回答情報を取り入れ、その効果をいくつかの自動評価指標で調べる。 追加のモードを使わずに解答のプロンプトが、ルージュ、隕石のスコアで最高のスコアを得るのを観察する。 カスタムメトリックを使用して、生成した質問の何個が同じ回答を持つかを計算する。
• 参考スコア（独自算出の注目度）: 0.5904095466127044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There has been a lot of work in question generation where different methods to provide target answers as input, have been employed. This experimentation has been mostly carried out for RNN based models. We use three different methods and their combinations for incorporating answer information and explore their effect on several automatic evaluation metrics. The methods that are used are answer prompting, using a custom product method using answer embeddings and encoder outputs, choosing sentences from the input paragraph that have answer related information, and using a separate cross-attention attention block in the decoder which attends to the answer. We observe that answer prompting without any additional modes obtains the best scores across rouge, meteor scores. Additionally, we use a custom metric to calculate how many of the generated questions have the same answer, as the answer which is used to generate them.
• Abstract（参考訳）: 質問生成では,対象とする回答を入力として提供するためのさまざまな方法が採用されている。 この実験は主にRNNベースのモデルで行われている。 我々は3つの異なる手法とその組み合わせを用いて回答情報を取り入れ、その効果をいくつかの自動評価指標で調べる。 使用する方法は、回答プロンプト、回答埋め込みとエンコーダ出力を用いたカスタム製品方法、回答関連情報を有する入力段落からの文の選択、回答に出席するデコーダ内の別個の横断的注意ブロックの使用である。 追加モードなしで回答をプロンプトすると、ルージュ、流星のスコアで最高のスコアが得られます。 さらに、私たちはカスタムメトリックを使用して、生成した質問のどれが同じ回答を持っているかを計算する。

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)
• Federated Prompting and Chain-of-Thought Reasoning for Improving LLMs Answering [13.735277588793997]
  クラウドベースLarge Language Models (LLMs) を用いた分散ユーザによる質問に対する回答精度の向上について検討する。 本研究は,同じ数学的推論ステップと問題解決手順を含む類似のクエリをユーザが質問する典型的な状況に焦点を当てる。 本稿では,自己整合性(SC)とCoT(Chain-of-Thought)技術を用いて,分散同義語質問を改善することを提案する。
  論文  参考訳（メタデータ） (2023-04-27T01:48:03Z)
• Diverse Multi-Answer Retrieval with Determinantal Point Processes [11.925050407713597]
  本稿では,BERTをカーネルとして利用する決定点プロセスを用いた再ランク付け手法を提案する。 その結果,本手法はAmbigQAデータセットの最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-11-29T08:54:05Z)
• A Semantic-based Method for Unsupervised Commonsense Question Answering [40.18557352036813]
  ラベル付きタスクデータに依存しないため、教師なしのコモンセンス質問応答は魅力的である。 教師なしコモンセンス質問応答のためのSemantic-based Question Answering法(SEQA)を提案する。
  論文  参考訳（メタデータ） (2021-05-31T08:21:52Z)
• Just Ask: Learning to Answer Questions from Millions of Narrated Videos [97.44376735445454]
  我々は手動のアノテーションを回避し、ビデオ質問応答のための大規模なトレーニングデータセットを生成することを提案する。 我々は、テキストデータに基づいて訓練された質問生成変換器を利用して、書き起こされたビデオナレーションから質問応答ペアを生成する。 本手法は,MSRVTT-QA,MSVD-QA,ActivityNet-QA,How2QAにおいて高い性能を示す。
  論文  参考訳（メタデータ） (2020-12-01T12:59:20Z)
• Diverse and Non-redundant Answer Set Extraction on Community QA based on DPPs [18.013010857062643]
  コミュニティベースの質問応答プラットフォームでは、ユーザが多くの回答の中から有用な情報を得るのに時間がかかる。 本稿では,回答のランク付けよりも多様で非冗長な回答セットを選択することを提案する。
  論文  参考訳（メタデータ） (2020-11-18T07:33:03Z)
• Meaningful Answer Generation of E-Commerce Question-Answering [77.89755281215079]
  eコマースポータルでは、製品関連の質問に対する回答を生成することが重要な課題となっている。 本稿では,MPAG(Meaningful Product Answer Generator)と呼ばれる新しい生成ニューラルモデルを提案する。 MPAGは、製品レビュー、製品属性、プロトタイプの回答を考慮に入れて、安全な回答問題を緩和します。
  論文  参考訳（メタデータ） (2020-11-14T14:05:30Z)
• Tag and Correct: Question aware Open Information Extraction with Two-stage Decoding [73.24783466100686]
  質問 オープンIEは質問と通過を入力として受け取り、主題、述語、および1つ以上の議論を含む回答を出力する。 半構造化された答えには2つの利点がある。 一つは、Open IEモデルによるパスから候補回答を抽出し、質問にマッチしてランク付けする抽出方法である。 もう1つは、シーケンスモデルを用いて回答を直接生成する生成方法である。
  論文  参考訳（メタデータ） (2020-09-16T00:58:13Z)
• Crossing Variational Autoencoders for Answer Retrieval [50.17311961755684]
  質問・回答アライメントと質問・回答セマンティクスは、表現を学ぶための重要な信号である。 そこで本研究では,回答を一致させた質問を生成し,回答を一致した質問で生成することで,変分自動エンコーダを横断する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T01:59:13Z)
• KPQA: A Metric for Generative Question Answering Using Keyphrase Weights [64.54593491919248]
  KPQA-metricは生成的質問応答システムの正当性を評価するための新しい指標である。 我々の新しい計量は、キーフレーズ予測を通じて各トークンに異なる重みを割り当てる。 提案手法は,既存の指標よりも人的判断との相関が有意に高いことを示す。
  論文  参考訳（メタデータ） (2020-05-01T03:24:36Z)

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。