Fugu-MT 論文翻訳(概要): QAnswer: Towards Question Answering Search over Websites

論文の概要: QAnswer: Towards Question Answering Search over Websites

arxiv url: http://arxiv.org/abs/2401.09175v1
Date: Wed, 17 Jan 2024 12:31:45 GMT
ステータス: 処理完了
システム内更新日: 2024-01-18 16:02:28.602343
Title: QAnswer: Towards Question Answering Search over Websites
Title（参考訳）: QAnswer: ウェブサイト上での検索に対する質問
Authors: Kunpeng Guo, Clement Defretiere, Dennis Diefenbach, Christophe Gravier, Antoine Gourru
Abstract要約: QA ( Question Answering) は、検索結果をエンドユーザに提供するために、検索エンジンによってますます利用されている。知識グラフ上のQAと自由テキスト上のQAを組み合わせたWeb検索を実演する。
参考スコア（独自算出の注目度）: 3.9123551183847964
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Question Answering (QA) is increasingly used by search engines to provide results to their end-users, yet very few websites currently use QA technologies for their search functionality. To illustrate the potential of QA technologies for the website search practitioner, we demonstrate web searches that combine QA over knowledge graphs and QA over free text -- each being usually tackled separately. We also discuss the different benefits and drawbacks of both approaches for web site searches. We use the case studies made of websites hosted by the Wikimedia Foundation (namely Wikipedia and Wikidata). Differently from a search engine (e.g. Google, Bing, etc), the data are indexed integrally, i.e. we do not index only a subset, and they are indexed exclusively, i.e. we index only data available on the corresponding website.
Abstract（参考訳）: QA ( Question Answering) は、検索エンジンがエンドユーザに結果を提供するためにますます利用されているが、現在検索機能にQA技術を使用しているウェブサイトはほとんどない。ウェブサイト検索実践者にとってのQA技術の可能性を説明するために、知識グラフ上のQAと無料テキスト上のQAを組み合わせたWeb検索をデモする。また、Webサイト検索における両方のアプローチの利点と欠点についても論じる。ウィキメディア財団(ウィキメディア財団)が主催するウェブサイト(ウィキペディアとウィキデータ)のケーススタディを利用する。検索エンジン(google、bingなど)とは違って、データはインデクシングされ、サブセットのみをインデックス化せず、インデックス化される。

関連論文リスト

Feature Engineering in Learning-to-Rank for Community Question Answering Task [2.5091819952713057]
コミュニティ質問応答(CQA)フォーラムはインターネットベースのプラットフォームで、ユーザーはトピックについて質問し、他の専門家はソリューションを提供しようとする。 Quora、Stackoverflow、Yahoo!Answer、StackExchangeといった多くのCQAフォーラムには、多くのユーザ生成データが存在する。これらのデータは、ユーザの問い合わせに応じて類似の質問(と回答)が提示される自動CQAランキングシステムで活用される。
論文参考訳（メタデータ） (2023-09-14T11:18:26Z)
WebCPM: Interactive Web Search for Chinese Long-form Question Answering [104.676752359777]
LFQA(Long-form Question answering)は、複雑でオープンな質問に、段落長の詳細な回答で答えることを目的としている。中国初のLFQAデータセットであるWebCPMを紹介する。高品質な質問応答対5,500件,支援事実14,315件,Web検索121,330件を収集した。
論文参考訳（メタデータ） (2023-05-11T14:47:29Z)
Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文参考訳（メタデータ） (2022-04-03T16:50:30Z)
Improving Candidate Retrieval with Entity Profile Generation for Wikidata Entity Linking [76.00737707718795]
本稿では,エンティティ・プロファイリングに基づく新しい候補探索パラダイムを提案する。我々は、このプロファイルを使用してインデックス付き検索エンジンに問い合わせ、候補エンティティを検索する。本手法は,ウィキペディアのアンカーテキスト辞書を用いた従来の手法を補完するものである。
論文参考訳（メタデータ） (2022-02-27T17:38:53Z)
QALD-9-plus: A Multilingual Dataset for Question Answering over DBpedia and Wikidata Translated by Native Speakers [68.9964449363406]
私たちは8つの言語に高品質な質問の翻訳を導入することで、最も人気のあるKGQAベンチマークの1つ、QALD-9を拡張します。アルメニア語、ウクライナ語、リトアニア語、バシキル語、ベラルーシ語という5つの言語は、これまでにKGQA研究コミュニティで最高の知識について検討されたことがなかった。
論文参考訳（メタデータ） (2022-01-31T22:19:55Z)
A Benchmark for Generalizable and Interpretable Temporal Question Answering over Knowledge Bases [67.33560134350427]
TempQA-WDは時間的推論のためのベンチマークデータセットである。 Wikidataは、最も頻繁にキュレーションされ、公開されている知識ベースである。
論文参考訳（メタデータ） (2022-01-15T08:49:09Z)
Open Domain Question Answering over Virtual Documents: A Unified Approach for Data and Text [62.489652395307914]
我々は、知識集約型アプリケーションのための構造化知識を符号化する手段として、Data-to-text法、すなわち、オープンドメイン質問応答(QA)を用いる。具体的には、ウィキペディアとウィキソースの3つのテーブルを付加知識源として使用する、データとテキスト上でのオープンドメインQAのための冗長化-レトリバー・リーダー・フレームワークを提案する。 UDT-QA(Unified Data and Text QA)は,知識インデックスの拡大を効果的に活用できることを示す。
論文参考訳（メタデータ） (2021-10-16T00:11:21Z)
Applying Transfer Learning for Improving Domain-Specific Search Experience Using Query to Question Similarity [0.0]
本稿では、与えられた入力クエリと事前定義された質問の集合との類似性を計算し、最もよく一致する質問を検索するフレームワークについて論じる。ファイナンシャルドメインで使用していますが、このフレームワークはドメイン固有の検索エンジンで一般化されており、他のドメインでも使用できます。
論文参考訳（メタデータ） (2021-01-07T03:27:32Z)
Search Engine Similarity Analysis: A Combined Content and Rankings Approach [6.69087470775851]
我々は、DuckDuckGoとともに、GoogleとBingという2つの主要な検索エンジンの親和性について分析する。我々は、検索応答のコンテンツとランキングの両方を活用する新しい類似度指標を開発した。しかしBingとDuckDuckGoは相違点が多い。
論文参考訳（メタデータ） (2020-11-01T23:57:24Z)
A Deeper Investigation of the Importance of Wikipedia Links to the Success of Search Engines [7.433327915285967]
検索結果ページ(SERP)におけるウィキペディアリンクの発生状況に関する調査結果について報告する。ウィキペディアのリンクは重要な検索コンテキストでは極めて一般的であり、一般的なクエリやトレンドクエリでは全SERPの67～84%に表示されるが、医療クエリではそれほど多くはない。本研究は,(1)ウィキペディアのコンテンツと研究はウィキペディア領域以外で大きな影響を与え,(2)検索エンジンのような強力な技術はボランティアが作成した無料コンテンツに大きく依存している,という補完的な概念を裏付けるものである。
論文参考訳（メタデータ） (2020-04-21T19:58:28Z)
Open Domain Question Answering Using Web Tables [8.25461115955717]
ファクトイドクエリと非ファクトイドクエリの両方に対応可能なWebテーブルを用いたオープンドメインQAアプローチを開発した。当社のソリューションは,主要な商用Web検索エンジンで実運用に使用されており,毎月数千万の実際のユーザクエリに対して直接回答を提供する。
論文参考訳（メタデータ） (2020-01-10T01:25:04Z)

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。