Fugu-MT 論文翻訳(概要): Evaluating Answer Reranking Strategies in Time-sensitive Question Answering

論文の概要: Evaluating Answer Reranking Strategies in Time-sensitive Question Answering

arxiv url: http://arxiv.org/abs/2503.04972v1
Date: Thu, 06 Mar 2025 21:06:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-10 12:23:09.881421
Title: Evaluating Answer Reranking Strategies in Time-sensitive Question Answering
Title（参考訳）: 時間に敏感な質問応答における回答のランク付け方略の評価
Authors: Mehmet Kardan, Bhawna Piryani, Adam Jatowt,
Abstract要約: 質問応答(QA)における回答の時間的特性の影響について,いくつかの簡単な回答選択手法を探索して検討する。本研究は,ダイアクロニック文書コレクションから最も関連性の高い回答を選択する上で,時間的特徴が果たす役割を強調した。
参考スコア（独自算出の注目度）: 16.23717285493886
License:
Abstract: Despite advancements in state-of-the-art models and information retrieval techniques, current systems still struggle to handle temporal information and to correctly answer detailed questions about past events. In this paper, we investigate the impact of temporal characteristics of answers in Question Answering (QA) by exploring several simple answer selection techniques. Our findings emphasize the role of temporal features in selecting the most relevant answers from diachronic document collections and highlight differences between explicit and implicit temporal questions.
Abstract（参考訳）: 最先端のモデルや情報検索技術の進歩にもかかわらず、現在のシステムは時間的情報を扱うのに苦慮し、過去の出来事に関する詳細な質問に答える。本稿では,質問応答(QA)における回答の時間的特性の影響について,いくつかの簡単な回答選択手法を探索して検討する。本研究は,ダイアクロニック文書コレクションから最も関連性の高い回答を選択する上での時間的特徴の重要性を強調し,明示的質問と暗黙的質問の相違を強調した。

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)
Detecting Temporal Ambiguity in Questions [16.434748534272014]
時間的に曖昧な質問は、そのような質問の最も一般的なタイプの1つである。本アノテーションは,時間的あいまいさを捉え,時間的あいまいな質問を検出するタスクを研究することに焦点を当てている。本稿では,質問の曖昧なバージョンに基づく多様な検索戦略を用いて,新しいアプローチを提案する。
論文参考訳（メタデータ） (2024-09-25T15:59:58Z)
Enhancing Temporal Sensitivity and Reasoning for Time-Sensitive Question Answering [23.98067169669452]
Time-Sensitive Question Answering (TSQA)は、特定の時間的文脈を効果的に活用することを要求する。本稿では,時間的認知と推論を時間的情報認識の埋め込みとグラニュラコントラスト強化学習を通じて促進する新しい枠組みを提案する。
論文参考訳（メタデータ） (2024-09-25T13:13:21Z)
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)
Question Answering in Natural Language: the Special Case of Temporal Expressions [0.0]
本研究の目的は,1段落内の時間的質問に対する回答を見つけるために,一般的な質問応答や回答抽出に使用される一般的なアプローチを活用することである。モデルをトレーニングするために、SQuADにインスパイアされた新しいデータセットを提案する。本評価は,パターンマッチングを訓練した深層学習モデルにおいて,時間的質問応答に適応できることを示す。
論文参考訳（メタデータ） (2023-11-23T16:26:24Z)
Answering Ambiguous Questions with a Database of Questions, Answers, and Revisions [95.92276099234344]
ウィキペディアから生成される曖昧な質問のデータベースを利用して、あいまいな質問に答えるための新しい最先端技術を提案する。提案手法は,リコール対策で15%,予測出力から不明瞭な質問を評価する尺度で10%向上する。
論文参考訳（メタデータ） (2023-08-16T20:23:16Z)
RealTime QA: What's the Answer Right Now? [137.04039209995932]
本稿では,動的質問応答(QA)プラットフォームであるREALTIME QAを紹介する。 GPT-3 や T5 など,大規模事前学習型言語モデルに基づく強力なベースラインモデルを構築した。 GPT-3は、検索された文書が答えを見つけるのに十分な情報を提供していない場合、時代遅れの回答を返す傾向がある。
論文参考訳（メタデータ） (2022-07-27T07:26:01Z)
Targeted Extraction of Temporal Facts from Textual Resources for Improved Temporal Question Answering over Knowledge Bases [21.108609901224572]
知識ベース質問回答システム(KBQA)は、知識ベース(KB)から取得した関連事実を推論することで、複雑な自然言語質問に答えることを目的としている。これらのシステムで直面する大きな課題の1つは、不完全なKBとエンティティ/リレーショナルリンクエラーによって、関連するすべての事実を検索できないことである。本稿では,KBから時間的事実を取り出すのに失敗した場合にKBQAを支援するために,対象の時間的事実抽出技術を用いる手法を提案する。
論文参考訳（メタデータ） (2022-03-21T15:26:35Z)
Adaptive Information Seeking for Open-Domain Question Answering [61.39330982757494]
本稿では,オープンドメイン質問応答,すなわちAISOに対する適応型情報探索手法を提案する。学習方針によると、AISOは適切な検索行動を選択し、各ステップで行方不明の証拠を探すことができる。 AISOは、検索と回答の評価の両方の観点から、事前定義された戦略で全てのベースライン手法を上回ります。
論文参考訳（メタデータ） (2021-09-14T15:08:13Z)
A Dataset of Information-Seeking Questions and Answers Anchored in Research Papers [66.11048565324468]
1,585の自然言語処理論文に関する5,049の質問のデータセットを提示する。各質問は、対応する論文のタイトルと要約のみを読むNLP実践者によって書かれ、質問は全文に存在する情報を求めます。他のQAタスクでうまく機能する既存のモデルは、これらの質問に答える上ではうまく機能せず、論文全体から回答する際には、少なくとも27 F1ポイントパフォーマンスが低下します。
論文参考訳（メタデータ） (2021-05-07T00:12:34Z)
A Graph-guided Multi-round Retrieval Method for Conversational Open-domain Question Answering [52.041815783025186]
本稿では,会話のターン間の回答間の関係をモデル化するグラフ誘導検索手法を提案する。また,検索コンテキストが現在の質問理解に与える影響を検討するために,マルチラウンド関連フィードバック手法を導入することを提案する。
論文参考訳（メタデータ） (2021-04-17T04:39:41Z)

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。