論文の概要: Optimized Quran Passage Retrieval Using an Expanded QA Dataset and Fine-Tuned Language Models

• arxiv url: http://arxiv.org/abs/2412.11431v1
• Date: Mon, 16 Dec 2024 04:03:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:59:11.075699
• Title: Optimized Quran Passage Retrieval Using an Expanded QA Dataset and Fine-Tuned Language Models
• Title（参考訳）: 拡張QAデータセットと微調整言語モデルを用いたクランパス検索の最適化
• Authors: Mohamed Basem, Islam Oshallah, Baraa Hikal, Ali Hamdi, Ammar Mohamed,
• Abstract要約: Qur'an QA 2023の共有タスクデータセットには、弱いモデル検索を伴う限られた数の質問があった。 251の質問を含む最初のデータセットをレビューし、629の質問に拡張し、質問の多様化と修正を行った。 AraBERT、RoBERTa、CAMeLBERT、AraELECTRA、BERTなど、微調整されたトランスモデルを実験する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Understanding the deep meanings of the Qur'an and bridging the language gap between modern standard Arabic and classical Arabic is essential to improve the question-and-answer system for the Holy Qur'an. The Qur'an QA 2023 shared task dataset had a limited number of questions with weak model retrieval. To address this challenge, this work updated the original dataset and improved the model accuracy. The original dataset, which contains 251 questions, was reviewed and expanded to 629 questions with question diversification and reformulation, leading to a comprehensive set of 1895 categorized into single-answer, multi-answer, and zero-answer types. Extensive experiments fine-tuned transformer models, including AraBERT, RoBERTa, CAMeLBERT, AraELECTRA, and BERT. The best model, AraBERT-base, achieved a MAP@10 of 0.36 and MRR of 0.59, representing improvements of 63% and 59%, respectively, compared to the baseline scores (MAP@10: 0.22, MRR: 0.37). Additionally, the dataset expansion led to improvements in handling "no answer" cases, with the proposed approach achieving a 75% success rate for such instances, compared to the baseline's 25%. These results demonstrate the effect of dataset improvement and model architecture optimization in increasing the performance of QA systems for the Holy Qur'an, with higher accuracy, recall, and precision.
• Abstract（参考訳）: クルアーンの深い意味を理解し、現代の標準アラビア語と古典アラビア語の間の言語ギャップを埋めることは、聖クルアーンの問答システムを改善するために不可欠である。 Qur'an QA 2023の共有タスクデータセットには、弱いモデル検索を伴う限られた数の質問があった。 この課題に対処するため、この作業はオリジナルのデータセットを更新し、モデルの精度を改善した。 251の質問を含む最初のデータセットは、質問の多様化と修正を伴う629の質問にレビューされ拡張され、1895年の包括的なセットは、シングル・アンサー、マルチ・アンサー、ゼロ・アンサーのタイプに分類された。 AraBERT、RoBERTa、CAMeLBERT、AraELECTRA、BERTなど、広範囲にわたる実験を行った。 最高のモデルであるAraBERT-baseはMAP@10が0.36、MRRが0.59で、それぞれ63%、MRRが59%だった(MAP@10:0.22、MRR:0.37)。 さらに、データセットの拡張は、ベースラインの25%と比較して75%の成功率を達成するという、"回答なし"ケースの処理の改善につながった。 これらの結果は, 高精度, リコール, 高精度なQAシステムの性能向上に, データセットの改善とモデルアーキテクチャの最適化が与える影響を実証するものである。

関連論文リスト

• KET-QA: A Dataset for Knowledge Enhanced Table Question Answering [63.56707527868466]
  本研究では,TableQAの外部知識源として知識ベース(KB)を用いることを提案する。 すべての質問は、答えるテーブルとサブグラフの両方からの情報を統合する必要がある。 我々は,膨大な知識サブグラフから関連する情報を抽出するために,レトリバー・レゾナー構造パイプラインモデルを設計する。
  論文  参考訳（メタデータ） (2024-05-13T18:26:32Z)
• Synthetic Dataset Creation and Fine-Tuning of Transformer Models for Question Answering in Serbian [0.0]
  我々は、SQuAD-srという名前の87K以上のサンプルからなるセルビア最大のQAデータセットを作成します。 セルビア語でスクリプトの双対性を認めるために、我々はデータセットのキリル文字版とラテン文字版の両方を生成した。 最高の結果は、私たちのラテンSQuAD-srデータセット上でBERTi'cモデルを微調整し、73.91%のExact Matchと82.97%のF1スコアを得たことである。
  論文  参考訳（メタデータ） (2024-04-12T17:27:54Z)
• TCE at Qur'an QA 2023 Shared Task: Low Resource Enhanced Transformer-based Ensemble Approach for Qur'anic QA [0.0]
  我々は,Qur'an QA 2023共有タスクA,Bに取り組むためのアプローチを提案する。 低リソースのトレーニングデータの課題に対処するため、我々は投票アンサンブルとともにトランスファーラーニングに頼っている。 我々は、さまざまなアーキテクチャと学習メカニズムを、アラビア語で事前訓練されたトランスフォーマーベースのモデルに採用しています。
  論文  参考訳（メタデータ） (2024-01-23T19:32:54Z)
• UNK-VQA: A Dataset and a Probe into the Abstention Ability of Multi-modal Large Models [55.22048505787125]
  本稿ではUNK-VQAと呼ばれる包括的データセットを提案する。 まず、画像または疑問について意図的に摂動することで、既存のデータを拡大する。 そこで我々は,新たなマルチモーダル大規模モデルのゼロショット性能と少数ショット性能を広範囲に評価した。
  論文  参考訳（メタデータ） (2023-10-17T02:38:09Z)
• Context-Gloss Augmentation for Improving Arabic Target Sense Verification [1.2891210250935146]
  最も一般的なアラビア語のセマンティックラベル付きデータセットはアラブ語である。 本稿では,機械のバックトランスレーションを用いて拡張することで,ArabGlossBERTデータセットの強化について述べる。 我々は、異なるデータ構成を用いて、ターゲットセンス検証(TSV)タスクにBERTを微調整する拡張の影響を計測する。
  論文  参考訳（メタデータ） (2023-02-06T21:24:02Z)
• Improving Passage Retrieval with Zero-Shot Question Generation [109.11542468380331]
  オープンな質問応答における経路検索を改善するための,シンプルで効果的な再ランク付け手法を提案する。 再ランカは、学習済み言語モデルを用いて、検索されたパスに条件付けられた入力質問の確率を算出するゼロショット質問生成モデルを用いて、検索されたパスを再スコアする。
  論文  参考訳（メタデータ） (2022-04-15T14:51:41Z)
• Improving Persian Relation Extraction Models by Data Augmentation [0.0]
  本システムの結果と結果について述べる。 PERLEXをベースデータセットとして使用し、テキスト前処理のステップを適用して拡張する。 次に、拡張PERLEXデータセット上の関係抽出にParsBERTとmultilingual BERTの2つの異なるモデルを用いる。
  論文  参考訳（メタデータ） (2022-03-29T08:08:47Z)
• Pre-trained Transformer-Based Approach for Arabic Question Answering : A Comparative Study [0.5801044612920815]
  4つの読解データセットを用いて、アラビア語のQAに対する最先端の事前学習変圧器モデルの評価を行った。 我々は, AraBERTv2-baseモデル, AraBERTv0.2-largeモデル, AraELECTRAモデルの性能を微調整し, 比較した。
  論文  参考訳（メタデータ） (2021-11-10T12:33:18Z)
• 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)
• TACRED Revisited: A Thorough Evaluation of the TACRED Relation Extraction Task [80.38130122127882]
  TACREDはリレーショナル抽出(RE)において最も大きく、最も広く使われているクラウドソースデータセットの1つである パフォーマンスの天井に到達したのか、改善の余地はあるのか? ラベルエラーは絶対F1テストエラーの8%を占めており、例の50%以上を可逆化する必要がある。
  論文  参考訳（メタデータ） (2020-04-30T15:07:37Z)
• Logic-Guided Data Augmentation and Regularization for Consistent Question Answering [55.05667583529711]
  本稿では,比較質問に対する応答の精度と整合性を改善する問題に対処する。 提案手法は論理的および言語的知識を利用してラベル付きトレーニングデータを増強し,一貫性に基づく正規化器を用いてモデルを訓練する。
  論文  参考訳（メタデータ） (2020-04-21T17:03:08Z)

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。