論文の概要: Towards Self-Contained Answers: Entity-Based Answer Rewriting in Conversational Search

• arxiv url: http://arxiv.org/abs/2403.01747v1
• Date: Mon, 4 Mar 2024 05:52:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 20:07:45.395031
• Title: Towards Self-Contained Answers: Entity-Based Answer Rewriting in Conversational Search
• Title（参考訳）: 自己完結型回答に向けて:会話検索におけるエンティティベースの回答書き換え
• Authors: Ivan Sekuli\'c, Krisztian Balog, Fabio Crestani
• Abstract要約: 本稿では,利用者が外部サービスや情報源を使わずに理解できるように,CISで回答を書き換える方法について検討する。 最初のコントリビューションとして、正当性のためのエンティティに注釈付けされた会話のデータセットを作成しました。 第2のコントリビューションとして,CIS全体のユーザエクスペリエンス向上を目的とした2つの回答書き直し戦略を提案する。
• 参考スコア（独自算出の注目度）: 19.147174273221452
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational information-seeking (CIS) is an emerging paradigm for knowledge acquisition and exploratory search. Traditional web search interfaces enable easy exploration of entities, but this is limited in conversational settings due to the limited-bandwidth interface. This paper explore ways to rewrite answers in CIS, so that users can understand them without having to resort to external services or sources. Specifically, we focus on salient entities -- entities that are central to understanding the answer. As our first contribution, we create a dataset of conversations annotated with entities for saliency. Our analysis of the collected data reveals that the majority of answers contain salient entities. As our second contribution, we propose two answer rewriting strategies aimed at improving the overall user experience in CIS. One approach expands answers with inline definitions of salient entities, making the answer self-contained. The other approach complements answers with follow-up questions, offering users the possibility to learn more about specific entities. Results of a crowdsourcing-based study indicate that rewritten answers are clearly preferred over the original ones. We also find that inline definitions tend to be favored over follow-up questions, but this choice is highly subjective, thereby providing a promising future direction for personalization.
• Abstract（参考訳）: 会話情報探索(CIS)は知識獲得と探索探索のための新たなパラダイムである。 従来のウェブ検索インターフェースはエンティティを簡単に探索できるが、限定された帯域幅インターフェイスのため、会話的な設定では制限がある。 本稿では,利用者が外部サービスや情報源を使わずに理解できるように,CISで回答を書き換える方法について検討する。 具体的には、回答を理解する中心となる、健全なエンティティに焦点を当てます。 最初のコントリビューションとして、正当性のためのエンティティに注釈付けされた会話のデータセットを作成しました。 収集したデータの分析結果から,回答の大部分が有意義なエンティティを含むことが判明した。 第2の貢献として,cisのユーザエクスペリエンス全体を改善するための2つの回答書き換え戦略を提案する。 1つのアプローチは、応答をサルエントエンティティのインライン定義で拡張し、自己完結させる。 もう1つのアプローチは、回答をフォローアップ質問で補完し、ユーザーは特定のエンティティについてもっと学ぶことができる。 クラウドソーシングに基づく研究の結果、書き直された回答が元の回答よりも明らかに好まれることが示された。 また、インライン定義はフォローアップ質問よりも好まれる傾向にあるが、この選択は極めて主観的であり、パーソナライズのための将来的な方向性を提供する。

関連論文リスト

• Open Domain Question Answering with Conflicting Contexts [55.739842087655774]
  あいまいでオープンなドメインの質問の25%は、Google Searchを使って検索すると、コンフリクトのあるコンテキストにつながります。 我々はアノテータに正しい回答の選択についての説明を依頼する。
  論文  参考訳（メタデータ） (2024-10-16T07:24:28Z)
• QAGCF: Graph Collaborative Filtering for Q&A Recommendation [58.21387109664593]
  質問と回答(Q&A)プラットフォームは通常、ユーザの知識獲得のニーズを満たすために質問と回答のペアを推奨する。 これにより、ユーザの振る舞いがより複雑になり、Q&Aレコメンデーションの2つの課題が提示される。 グラフニューラルネットワークモデルであるQ&Answer Graph Collaborative Filtering (QAGCF)を導入する。
  論文  参考訳（メタデータ） (2024-06-07T10:52:37Z)
• Aspect-oriented Consumer Health Answer Summarization [2.298110639419913]
  コミュニティ質問回答(Community Question-Answering、CQA)フォーラムは、人々が情報を求める方法、特に医療ニーズに関連するものに革命をもたらした。 単一のクエリに対する応答にはいくつかの回答があるため、特定の健康上の懸念に関連する重要な情報を把握することが難しくなる。 本研究は、この制限に対処するために、側面に基づく健康回答の要約に焦点を当てている。
  論文  参考訳（メタデータ） (2024-05-10T07:52:43Z)
• Backtracing: Retrieving the Cause of the Query [7.715089044732362]
  本稿では,ユーザクエリを最も引き起こす可能性のあるテキストセグメントをシステムで検索する,バックトラシングのタスクを紹介する。 人気情報検索手法と言語モデリング手法のゼロショット性能を評価する。 以上の結果から,後方追跡には改善の余地があり,新たな検索手法が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-06T18:59:02Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
  本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。 本稿では,2つの意味解析手法を提案し,その課題を強調した。 私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
  論文  参考訳（メタデータ） (2023-01-28T14:45:11Z)
• Question Answering Survey: Directions, Challenges, Datasets, Evaluation Matrices [0.0]
  QA分野の研究の方向性は,質問の種類,回答の種類,根拠の源泉,モデリングアプローチに基づいて分析される。 これに続き、自動質問生成、類似性検出、言語に対する低リソース可用性など、この分野のオープンな課題が続きます。
  論文  参考訳（メタデータ） (2021-12-07T08:53:40Z)
• Open-Retrieval Conversational Question Answering [62.11228261293487]
  オープン検索型対話型質問応答 (ORConvQA) の設定を導入する。 ORConvQAのエンド・ツー・エンドシステムを構築し,レトリバー,リランカ,およびすべてトランスフォーマーをベースとしたリーダを特徴とする。
  論文  参考訳（メタデータ） (2020-05-22T19:39:50Z)
• Conversations with Search Engines: SERP-based Conversational Response Generation [77.1381159789032]
  我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。 また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。 CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
  論文  参考訳（メタデータ） (2020-04-29T13:07:53Z)
• Conversational Question Answering over Passages by Leveraging Word Proximity Networks [33.59664244897881]
  CROWNは、経路応答を持つ会話型QAのための教師なしかつ効果的なシステムである。 複数のターンにまたがる複数のコンテキストの伝搬をサポートする。 CROWNはTREC CAsTデータで評価され、ニューラルネットワークのプールにおいて上述の性能を達成した。
  論文  参考訳（メタデータ） (2020-04-27T19:30:47Z)

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。