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
- 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) - PAQA: Toward ProActive Open-Retrieval Question Answering [34.883834970415734]
本研究の目的は、ユーザクエリとドキュメントの両方に存在する固有の曖昧さを考慮し、関連性のある明確な質問を生成するという課題に取り組むことである。
本稿では,既存のAmbiNQデータセットの拡張であるPAQAを提案する。
次に,様々なモデルの評価を行い,経路探索があいまいさの検出と明瞭な質問の生成にどのように影響するかを評価する。
論文 参考訳(メタデータ) (2024-02-26T14:40:34Z) - 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) - Social Commonsense-Guided Search Query Generation for Open-Domain
Knowledge-Powered Conversations [66.16863141262506]
本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。
提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
論文 参考訳(メタデータ) (2023-10-22T16:14:56Z) - 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) - DecAF: Joint Decoding of Answers and Logical Forms for Question
Answering over Knowledge Bases [81.19499764899359]
本稿では,論理形式と直解の両方を共同で生成する新しいフレームワークDecAFを提案する。
DecAFはWebQSP、FreebaseQA、GrailQAベンチマークで新しい最先端の精度を実現している。
論文 参考訳(メタデータ) (2022-09-30T19:51:52Z) - 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。