論文の概要: Hybrid-SQuAD: Hybrid Scholarly Question Answering Dataset
- arxiv url: http://arxiv.org/abs/2412.02788v1
- Date: Tue, 03 Dec 2024 19:37:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-05 15:09:59.675237
- Title: Hybrid-SQuAD: Hybrid Scholarly Question Answering Dataset
- Title(参考訳): Hybrid-SQuAD: Hybrid Scholarly Question Answering Dataset
- Authors: Tilahun Abedissa Taffa, Debayan Baneerje, Yaregal Assabie, Ricardo Usbeck,
- Abstract要約: 我々は,新しい大規模Scholarly Question AnsweringデータセットであるHybrid-SQuADを紹介する。
データセットは、大きな言語モデルによって生成される10.5Kの質問応答ペアで構成されている。
RAGベースのベースラインハイブリッドQAモデルを提案し、Hybrid-SQuADテストセット上で69.65の正確な一致スコアを達成する。
- 参考スコア(独自算出の注目度): 6.930457638281639
- License:
- Abstract: Existing Scholarly Question Answering (QA) methods typically target homogeneous data sources, relying solely on either text or Knowledge Graphs (KGs). However, scholarly information often spans heterogeneous sources, necessitating the development of QA systems that can integrate information from multiple heterogeneous data sources. To address this challenge, we introduce Hybrid-SQuAD (Hybrid Scholarly Question Answering Dataset), a novel large-scale QA dataset designed to facilitate answering questions incorporating both text and KG facts. The dataset consists of 10.5K question-answer pairs generated by a large language model, leveraging the KGs - DBLP and SemOpenAlex alongside corresponding text from Wikipedia. In addition, we propose a RAG-based baseline hybrid QA model, achieving an exact match score of 69.65 on the Hybrid-SQuAD test set.
- Abstract(参考訳): 既存のScholarly Question Answering (QA) メソッドは、通常、テキストまたは知識グラフ(KG)にのみ依存して、均一なデータソースをターゲットにしている。
しかし、学術的な情報は多種多様な情報源にまたがることが多く、複数の異種データソースから情報を統合できるQAシステムの開発が必要である。
この課題に対処するために、テキストとKGの事実を取り入れた質問応答を容易にするために設計された、新しい大規模QAデータセットであるHybrid Scholarly Question Answering Dataset(Hybrid Scholarly Question Answering Dataset)を紹介する。
データセットは、大きな言語モデルによって生成される10.5Kの質問応答ペアで構成され、KGs - DBLPとSemOpenAlexをウィキペディアの対応するテキストと併用する。
さらに,RAGベースのベースラインハイブリッドQAモデルを提案し,Hybrid-SQuADテストセット上での正確な一致スコアを69.65とする。
関連論文リスト
- PeerQA: A Scientific Question Answering Dataset from Peer Reviews [51.95579001315713]
実世界の科学的、文書レベルの質問回答データセットであるPeerQAを提示する。
データセットには208の学術論文から579のQAペアが含まれており、MLとNLPが多数を占めている。
収集したデータセットを詳細に分析し、3つのタスクのベースラインシステムを確立する実験を行う。
論文 参考訳(メタデータ) (2025-02-19T12:24:46Z) - HybGRAG: Hybrid Retrieval-Augmented Generation on Textual and Relational Knowledge Bases [36.46450059250384]
本稿では,レトリバーバンクと批評家モジュールからなるHQA用HybGRAGについて,次のような利点がある。
STaRKベンチマークの実験では、HybGRAGはパフォーマンスが大幅に向上し、hit@1の平均相対的な改善は51%である。
論文 参考訳(メタデータ) (2024-12-20T19:49:12Z) - RAG-based Question Answering over Heterogeneous Data and Text [23.075485587443485]
本稿では,非構造化テキスト,構造化テーブル,知識グラフに対する質問応答システムについて述べる。
システムはRAGベースのアーキテクチャを採用し、証拠検索のパイプラインと応答生成、そして後者は中程度の言語モデルによって駆動される。
3つの異なるベンチマークによる実験は、我々のアプローチの高い応答品質を示し、大きなGPTモデルと同等かそれ以上である。
論文 参考訳(メタデータ) (2024-12-10T11:18:29Z) - An Empirical Comparison of LM-based Question and Answer Generation
Methods [79.31199020420827]
質問と回答の生成(QAG)は、コンテキストが与えられた質問と回答のペアのセットを生成することで構成される。
本稿では,シーケンス・ツー・シーケンス言語モデル(LM)を微調整する3つの異なるQAG手法を用いて,ベースラインを確立する。
実験により、学習時間と推論時間の両方で計算的に軽量なエンドツーエンドQAGモデルが一般に堅牢であり、他のより複雑なアプローチよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-05-26T14:59:53Z) - HeteroQA: Learning towards Question-and-Answering through Multiple
Information Sources via Heterogeneous Graph Modeling [50.39787601462344]
コミュニティ質問回答(Community Question Answering, CQA)は、Eコマースやオンラインユーザコミュニティなど、多くのシナリオで利用することができる、明確に定義されたタスクである。
CQAの手法のほとんどは、知識を抽出し、ユーザの質問に答えるために記事やウィキペディアしか含まない。
ユーザコミュニティに複数の情報ソース(MIS)を組み込んで回答を自動的に生成する問合せ対応の異種グラフ変換器を提案する。
論文 参考訳(メタデータ) (2021-12-27T10:16:43Z) - Generating Self-Contained and Summary-Centric Question Answer Pairs via
Differentiable Reward Imitation Learning [7.2745835227138045]
本稿では,質問応答対(QAペア)を自己完結型,要約型,長さ制約型,記事要約型で生成するモデルを提案する。
このデータセットは、回答として要約を生成するQAペア生成モデルを学ぶために使用される。
論文 参考訳(メタデータ) (2021-09-10T06:34:55Z) - TAT-QA: A Question Answering Benchmark on a Hybrid of Tabular and
Textual Content in Finance [71.76018597965378]
TAT-QAと呼ばれるタブラデータとテクスチャデータの両方を含む新しい大規模な質問応答データセットを構築します。
本稿では,テーブルとテキストの両方を推論可能な新しいQAモデルであるTAGOPを提案する。
論文 参考訳(メタデータ) (2021-05-17T06:12:06Z) - Generating Diverse and Consistent QA pairs from Contexts with
Information-Maximizing Hierarchical Conditional VAEs [62.71505254770827]
非構造化テキストを文脈として与えられたQAペアを生成するための条件付き変分オートエンコーダ(HCVAE)を提案する。
我々のモデルは、トレーニングにわずかなデータしか使わず、両方のタスクの全てのベースラインに対して印象的なパフォーマンス向上が得られる。
論文 参考訳(メタデータ) (2020-05-28T08:26:06Z) - Template-Based Question Generation from Retrieved Sentences for Improved
Unsupervised Question Answering [98.48363619128108]
擬似学習データを用いてQAモデルを訓練するための教師なしアプローチを提案する。
関連した検索文に簡単なテンプレートを適用してQA学習のための質問を生成すると、元の文脈文よりも、下流QAのパフォーマンスが向上することを示す。
論文 参考訳(メタデータ) (2020-04-24T17:57:45Z) - HybridQA: A Dataset of Multi-Hop Question Answering over Tabular and
Textual Data [39.91331662575689]
異種情報の推論を必要とする大規模質問応答データセットであるHybridQAを提案する。
各質問はウィキペディアのテーブルとテーブル内のエンティティにリンクされた複数の自由形式のコーパスに一致している。
実験の結果、2つのベースラインで得られたEMスコアは20%以下であり、ハイブリッドモデルでは40%以上のEMが得られることがわかった。
論文 参考訳(メタデータ) (2020-04-15T21:18:15Z)
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。