論文の概要: Multi-Hop Question Generation via Dual-Perspective Keyword Guidance

• arxiv url: http://arxiv.org/abs/2505.15299v1
• Date: Wed, 21 May 2025 09:30:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:59.416741
• Title: Multi-Hop Question Generation via Dual-Perspective Keyword Guidance
• Title（参考訳）: Dual-Perspective Keyword Guidanceによるマルチホップ質問生成
• Authors: Maodong Li, Longyin Zhang, Fang Kong,
• Abstract要約: マルチホップ質問生成(MQG)は、文書から複数の情報スニペットを合成して目的の回答を導き出す必要がある質問を生成することを目的としている。 主な課題は、質問応答(QA)ペアに関連する重要な情報スニペットを効果的に特定することである。 本稿では,キーワードをマルチホップ質問生成プロセスにシームレスに統合するDual-Perspective Keyword-Guidedフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 8.154370794630134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-hop question generation (MQG) aims to generate questions that require synthesizing multiple information snippets from documents to derive target answers. The primary challenge lies in effectively pinpointing crucial information snippets related to question-answer (QA) pairs, typically relying on keywords. However, existing works fail to fully utilize the guiding potential of keywords and neglect to differentiate the distinct roles of question-specific and document-specific keywords. To address this, we define dual-perspective keywords (i.e., question and document keywords) and propose a Dual-Perspective Keyword-Guided (DPKG) framework, which seamlessly integrates keywords into the multi-hop question generation process. We argue that question keywords capture the questioner's intent, whereas document keywords reflect the content related to the QA pair. Functionally, question and document keywords work together to pinpoint essential information snippets in the document, with question keywords required to appear in the generated question. The DPKG framework consists of an expanded transformer encoder and two answer-aware transformer decoders for keyword and question generation, respectively. Extensive experiments demonstrate the effectiveness of our work, showcasing its promising performance and underscoring its significant value in the MQG task.
• Abstract（参考訳）: マルチホップ質問生成(MQG)は、文書から複数の情報スニペットを合成して目的の回答を導き出す必要がある質問を生成することを目的としている。 主な課題は、質問応答(QA)ペアに関連する重要な情報スニペットを効果的に特定することであり、通常はキーワードに依存している。 しかし、既存の研究はキーワードの指導力を完全に活用できず、質問特化キーワードと文書特化キーワードの区別を怠っている。 この問題に対処するために,2つのパースペクティブキーワード(すなわち質問キーワードと文書キーワード)を定義し,マルチホップ質問生成プロセスにキーワードをシームレスに統合するDual-Perspective Keyword-Guided (DPKG) フレームワークを提案する。 質問キーワードが質問者の意図を捉えているのに対し、文書キーワードはQAペアに関連する内容を反映している。 機能的には、質問キーワードと文書キーワードが連携して、文書に不可欠な情報スニペットをピンポイントし、生成された質問に表示されるのに必要な質問キーワードを付ける。 DPKGフレームワークは拡張されたトランスフォーマーエンコーダと、キーワードと質問生成のための2つの応答対応トランスフォーマーデコーダで構成されている。 大規模な実験は、我々の作業の有効性を実証し、その有望なパフォーマンスを示し、MQGタスクにおけるその重要な価値を強調します。

関連論文リスト

• Improving Question Generation with Multi-level Content Planning [70.37285816596527]
  本稿では、与えられたコンテキストと回答から質問を生成する問題に対処し、特に拡張されたコンテキストをまたいだマルチホップ推論を必要とする質問に焦点をあてる。 具体的には、キーフレーズを同時に選択して完全な回答を生成するFA-modelと、生成した全回答を付加的な入力として取り込んだQ-modelの2つのコンポーネントを含む。
  論文  参考訳（メタデータ） (2023-10-20T13:57:01Z)
• Retrieval-Generation Synergy Augmented Large Language Models [30.53260173572783]
  本稿では,反復的な検索・生成協調フレームワークを提案する。 シングルホップQAとマルチホップQAタスクを含む4つの質問応答データセットの実験を行った。
  論文  参考訳（メタデータ） (2023-10-08T12:50:57Z)
• 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)
• Deep Keyphrase Completion [59.0413813332449]
  Keyphraseは、非常にコンパクトで簡潔で、意味に満ちた文書内容の正確な情報を提供し、談話理解、組織化、テキスト検索に広く利用されている。 本論文では,文書内容と既知のキーフレーズの数が極めて限られているため,テキストキーフレーズの完全化(KPC)を提案し,文書中のキーフレーズをより多く生成する(科学出版など)。 深層学習フレームワークを通じて、既知のキーフレーズとともに文書内容の深い意味的意味を捉えようとすることから、textitdeep keyphrase completion (DKPC) と命名する。
  論文  参考訳（メタデータ） (2021-10-29T07:15:35Z)
• Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
  キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。 最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。 本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
  論文  参考訳（メタデータ） (2020-10-24T08:11:23Z)
• Answering Any-hop Open-domain Questions with Iterative Document Reranking [62.76025579681472]
  オープンドメインの問に答える統合QAフレームワークを提案する。 提案手法は,シングルホップおよびマルチホップのオープンドメインQAデータセットにおいて,最先端技術に匹敵する性能を継続的に達成する。
  論文  参考訳（メタデータ） (2020-09-16T04:31:38Z)
• Asking Complex Questions with Multi-hop Answer-focused Reasoning [16.01240703148773]
  複雑で意味のある質問を問うマルチホップ質問生成という新しいタスクを提案する。 そこで本研究では,回答中心のエンティティグラフに基づくマルチホップ応答中心の推論を提案する。
  論文  参考訳（メタデータ） (2020-09-16T00:30:49Z)
• Keyword-Attentive Deep Semantic Matching [1.8416014644193064]
  本稿では,深いセマンティックマッチングを改善するためのキーワード付きアプローチを提案する。 まず、大きなコーパスからのドメインタグを利用して、ドメインを拡張したキーワード辞書を生成する。 モデル学習中,入力ペア間のキーワードカバレッジに基づく新しいネガティブサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-11T10:18:32Z)

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。