Fugu-MT 論文翻訳(概要): QABISAR: Query-Article Bipartite Interactions for Statutory Article Retrieval

論文の概要: QABISAR: Query-Article Bipartite Interactions for Statutory Article Retrieval

arxiv url: http://arxiv.org/abs/2412.00934v1
Date: Sun, 01 Dec 2024 18:58:17 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-04 15:48:07.607856
Title: QABISAR: Query-Article Bipartite Interactions for Statutory Article Retrieval
Title（参考訳）: QABISAR: 法定項目検索のための問合せと問合せの相互作用
Authors: T. Y. S. S. Santosh, Hassan Sarwat, Matthias Grabmair,
Abstract要約: 法定項目検索のための新しいフレームワークであるQABISARを紹介する。クエリと記事間の双方向のインタラクションを活用して、それらに固有のさまざまな側面をキャプチャします。実世界のエキスパートアノテートデータセットに関する実験は、その効果を実証している。
参考スコア（独自算出の注目度）: 1.3723120574076126
License:
Abstract: In this paper, we introduce QABISAR, a novel framework for statutory article retrieval, to overcome the semantic mismatch problem when modeling each query-article pair in isolation, making it hard to learn representation that can effectively capture multi-faceted information. QABISAR leverages bipartite interactions between queries and articles to capture diverse aspects inherent in them. Further, we employ knowledge distillation to transfer enriched query representations from the graph network into the query bi-encoder, to capture the rich semantics present in the graph representations, despite absence of graph-based supervision for unseen queries during inference. Our experiments on a real-world expert-annotated dataset demonstrate its effectiveness.
Abstract（参考訳）: 本稿では,各問合せ対を個別にモデル化する際のセマンティックミスマッチ問題を克服するために,法定項目検索のための新しいフレームワークであるQABISARを紹介し,多面的情報を効果的に捉え得る表現の学習を困難にする。 QABISARは、クエリと記事間の双方向のインタラクションを活用して、それらに固有のさまざまな側面をキャプチャする。さらに,グラフネットワークからリッチなクエリ表現をクエリバイエンコーダに転送する知識蒸留を用いて,グラフ表現に存在するリッチなセマンティクスをキャプチャする。実世界のエキスパートアノテートデータセットに関する実験は、その効果を実証している。

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)
Prompt-fused framework for Inductive Logical Query Answering [31.736934787328156]
本稿では,Pro-QEという問合せ対応のプロンプトフューズフレームワークを提案する。論理的クエリにおける未知のエンティティの問題に,我々のモデルがうまく対処できることが示される。
論文参考訳（メタデータ） (2024-03-19T11:30:30Z)
Building Interpretable and Reliable Open Information Retriever for New Domains Overnight [67.03842581848299]
情報検索は、オープンドメイン質問応答(QA)など、多くのダウンストリームタスクにとって重要な要素である。本稿では、エンティティ/イベントリンクモデルとクエリ分解モデルを用いて、クエリの異なる情報単位により正確にフォーカスする情報検索パイプラインを提案する。より解釈可能で信頼性が高いが,提案したパイプラインは,5つのIRおよびQAベンチマークにおける通過カバレッジと記述精度を大幅に向上することを示す。
論文参考訳（メタデータ） (2023-08-09T07:47:17Z)
Explainable Representations for Relation Prediction in Knowledge Graphs [0.0]
本稿では、知識グラフにおける関係予測を支援するための説明可能な表現のための新しいアプローチであるSEEKを提案する。それは、エンティティと各サブグラフの学習表現の間の関連する共有意味的側面を識別することに基づいている。本研究では,タンパク質間相互作用予測と遺伝子発現関連予測の2つの実世界の関係予測タスクについてSEEKを評価した。
論文参考訳（メタデータ） (2023-06-22T06:18:40Z)
TAX: Tendency-and-Assignment Explainer for Semantic Segmentation with Multi-Annotators [31.36818611460614]
Tendency-and-Assignment Explainer (TAX) はアノテータと割り当てレベルで解釈性を提供するように設計されている。我々のTAXは、同等の性能を持つ最先端のネットワークアーキテクチャに適用可能であることを示す。
論文参考訳（メタデータ） (2023-02-19T12:40:22Z)
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)
Variational Distillation for Multi-View Learning [104.17551354374821]
我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
論文参考訳（メタデータ） (2022-06-20T03:09:46Z)
elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。 elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
論文参考訳（メタデータ） (2022-03-17T16:23:45Z)
Adaptive Attentional Network for Few-Shot Knowledge Graph Completion [16.722373937828117]
Few-shot Knowledge Graph (KG) の完成は、現在の研究の焦点であり、各タスクは、数少ない参照エンティティペアを考えると、関係の見えない事実をクエリすることを目的としている。最近の試みでは、エンティティと参照の静的表現を学習し、それらの動的特性を無視してこの問題を解決している。本研究は,適応実体と参照表現を学習することにより,数ショットのKG補完のための適応的注意ネットワークを提案する。
論文参考訳（メタデータ） (2020-10-19T16:27:48Z)
Document Modeling with Graph Attention Networks for Multi-grained Machine Reading Comprehension [127.3341842928421]
Natural Questionsは、新しい挑戦的な機械読解ベンチマークである。解答は2つあり、長解(典型的には1段落)と短解(長解の内にある1つ以上の実体)である。既存の方法は、これらの2つのサブタスクをトレーニング中に個別に扱い、依存関係を無視します。本稿では,文書を階層的にモデル化する多層機械読解フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-12T14:20:09Z)
Answering Complex Queries in Knowledge Graphs with Bidirectional Sequence Encoders [22.63481666560029]
本稿では,双方向アテンション機構に基づくモデルで共役クエリを埋め込む手法であるBi-Directional Query Embedding (BIQE)を提案する。本稿では,BIQEがアートベースラインを著しく上回ることを示す,結合クエリの解答を予測するための新しいデータセットを提案する。
論文参考訳（メタデータ） (2020-04-06T12:17:57Z)

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。