論文の概要: Chronological Passage Assembling in RAG framework for Temporal Question Answering

• arxiv url: http://arxiv.org/abs/2508.18748v1
• Date: Tue, 26 Aug 2025 07:23:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-27 17:42:38.723779
• Title: Chronological Passage Assembling in RAG framework for Temporal Question Answering
• Title（参考訳）: 時間的質問応答のためのRAGフレームワークにおける時間的通過組立
• Authors: Byeongjeong Kim, Jeonghyun Park, Joonho Yang, Hwanhee Lee,
• Abstract要約: 物語テキストに特化した新しいRAGフレームワークであるChronoRAGを提案する。 提案手法は, 分散文書情報をコヒーレントかつ構造化された通路に書き換えることと, 抽出した通路間の時間秩序を明示的に把握し, 維持することにより, 物語の流れを保存することの2つの重要な側面に焦点をあてる。 我々は,NarrativeQAデータセットの実験を通じてクロノラグの有効性を実証的に実証し,複雑な逐次関係の事実認識と理解の両方を必要とするタスクの大幅な改善を示した。
• 参考スコア（独自算出の注目度）: 12.583700669377803
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-context question answering over narrative tasks is challenging because correct answers often hinge on reconstructing a coherent timeline of events while preserving contextual flow in a limited context window. Retrieval-augmented generation (RAG) indexing methods aim to address this challenge by selectively retrieving only necessary document segments. However, narrative texts possess unique characteristics that limit the effectiveness of these existing approaches. Specifically, understanding narrative texts requires more than isolated segments, as the broader context and sequential relationships between segments are crucial for comprehension. To address these limitations, we propose ChronoRAG, a novel RAG framework specialized for narrative texts. This approach focuses on two essential aspects: refining dispersed document information into coherent and structured passages, and preserving narrative flow by explicitly capturing and maintaining the temporal order among retrieved passages. We empirically demonstrate the effectiveness of ChronoRAG through experiments on the NarrativeQA dataset, showing substantial improvements in tasks requiring both factual identification and comprehension of complex sequential relationships, underscoring that reasoning over temporal order is crucial in resolving narrative QA.
• Abstract（参考訳）: なぜなら、限られたコンテキストウィンドウでコンテキストフローを保持しながら、イベントのコヒーレントなタイムラインを再構築する際の正しい答えがしばしばヒンジされるからである。 Retrieval-augmented Generation (RAG) indexing methodは、必要な文書セグメントのみを選択的に検索することでこの問題に対処することを目的としている。 しかし、物語のテクストには、これらの既存アプローチの有効性を制限する独特の特徴がある。 特に、物語のテクストを理解するには、より広い文脈とセグメント間のシーケンシャルな関係が理解に不可欠であるため、孤立したセグメント以上のものが必要である。 これらの制約に対処するために,物語テキストに特化した新しいRAGフレームワークであるChronoRAGを提案する。 提案手法は, 分散文書情報をコヒーレントかつ構造化された通路に書き換えることと, 抽出した通路間の時間秩序を明示的に把握し, 維持することにより, 物語の流れを保存することの2つの重要な側面に焦点をあてる。 我々は,ナラティブQAデータセットを用いた実験を通じてクロノラグの有効性を実証的に実証し,物語QAの解決に時間的順序による推論が不可欠であることを示す。

関連論文リスト

• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• RAPID: Efficient Retrieval-Augmented Long Text Generation with Writing Planning and Information Discovery [69.41989381702858]
  直接生成やマルチエージェントの議論といった既存の手法は、幻覚、トピックの不整合、重大な遅延といった問題に悩まされることが多い。 本稿では,効率的な検索拡張長文生成フレームワークRAPIDを提案する。 私たちの仕事は、自動化された長文生成の課題に対して、堅牢で効率的なソリューションを提供します。
  論文  参考訳（メタデータ） (2025-03-02T06:11:29Z)
• Temporal reasoning for timeline summarisation in social media [9.60006115896742]
  本研究では,物語内の逐次事象間の時間的関係に着目した新しいデータセットであるNarrativeReasonを紹介する。 次に、時間的推論と時系列の要約を知識蒸留フレームワークを通じて組み合わせる。 実験結果から,本モデルは,領域外精神保健関連タイムラインの要約作業において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-12-30T21:54:33Z)
• ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context [50.572907418430155]
  ContextualStoryは、コヒーレントなストーリーフレームを生成し、ビジュアルなストーリーテリングのためにフレームを拡張するように設計されたフレームワークである。 ストーリーライン埋め込みにおけるコンテキストを豊かにするストーリーラインコンテクストアライザと、フレーム間のシーン変化を測定するストーリーフローアダプタを導入する。 PororoSVとFlintstonesSVデータセットの実験では、ContextualStoryはストーリーの可視化と継続の両方で既存のSOTAメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-07-13T05:02:42Z)
• Fine-Grained Modeling of Narrative Context: A Coherence Perspective via Retrospective Questions [48.18584733906447]
  この研究は、物語の中の個々の通路が孤立するよりも密接な関係にある傾向があるという特徴から生まれた、物語理解のためのオリジナルで実践的なパラダイムを取り入れたものである。 本稿では,タスク非依存のコヒーレンス依存を明示的に表現したNarCoというグラフを定式化することにより,物語コンテキストのきめ細かいモデリングを提案する。
  論文  参考訳（メタデータ） (2024-02-21T06:14:04Z)
• Walking Down the Memory Maze: Beyond Context Limit through Interactive Reading [63.93888816206071]
  我々は,長いコンテキストを要約ノードのツリーに処理する手法であるMemWalkerを紹介した。クエリを受信すると,モデルがこのツリーをナビゲートして関連する情報を検索し,十分な情報を収集すると応答する。 その結果,MemWalkerは,テキストを対話的に読み取る際の推論ステップを強調し,クエリに関連するテキストセグメントをピンポイントすることで,説明性の向上を図っている。
  論文  参考訳（メタデータ） (2023-10-08T06:18:14Z)
• Summarize, Outline, and Elaborate: Long-Text Generation via Hierarchical Supervision from Extractive Summaries [46.183289748907804]
  長文生成のためのアウトライン化,アウトライン化,エラボレートを行うパイプラインシステムSOEを提案する。 SOEは、より高速な収束速度とともに、非常に優れた品質の長いテキストを生成する。
  論文  参考訳（メタデータ） (2020-10-14T13:22:20Z)
• The Shmoop Corpus: A Dataset of Stories with Loosely Aligned Summaries [72.48439126769627]
  個々の章ごとに詳細なマルチパラグラフの要約と組み合わせた231ストーリーのデータセットであるShmoop Corpusを紹介します。 コーパスから、クローズ形式の質問応答や抽象的要約の簡易な形式を含む共通のNLPタスクのセットを構築する。 このコーパスのユニークな構造は、マシンストーリーの理解をより親しみやすいものにするための重要な基盤となると信じている。
  論文  参考訳（メタデータ） (2019-12-30T21:03:59Z)

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。