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

• arxiv url: http://arxiv.org/abs/2508.18748v2
• Date: Mon, 13 Oct 2025 05:11:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 15:48:09.238239
• 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。 このアプローチは、分散文書情報をコヒーレントかつ構造化されたパスに精製する、2つの重要な側面に焦点を当てる。 我々はNarrativeQAとGutenQAdatasetの実験を通してChronoRAGの有効性を実証的に実証した。
• 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 f low in a limited context window. Retrievalaugmented generation (RAG) 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 and GutenQAdataset, 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、正しい答えは、限られたコンテキストウィンドウでコンテキストのfを低く保ちながら、イベントのコヒーレントなタイムラインを再構築するときにしばしばヒンジとなるからである。 Retrievalaugmented Generation (RAG) 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、この課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・維持することによる物語の流れの保存という2つの重要な側面に焦点をあてる。 我々は,NarrativeQAとGutenQAdatasetの実験を通じて,ChronoRAG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

• AMA: Adaptive Memory via Multi-Agent Collaboration [54.490349689939166]
  複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。 AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
  論文  参考訳（メタデータ） (2026-01-28T08:09:49Z)
• Paragraph Segmentation Revisited: Towards a Standard Task for Structuring Speech [61.00008468914252]
  本稿では,音声処理とテキストセグメンテーションの交点における3つのギャップを埋める,欠落した構造化ステップとして,段落セグメンテーションを再考する。 ベンチマークは、伝統的に段落のセグメンテーションが後処理の一部ではない未調査の音声領域に焦点を当てている。 第二に、制約付き復号法を提案し、大言語モデルが原文を保存しながら段落を挿入できるようにする。 第三に、コンパクトモデル(MiniSeg)が最先端の精度を実現し、階層的に拡張されると、最小計算コストで章や段落を共同で予測できることが示される。
  論文  参考訳（メタデータ） (2025-12-30T23:29:51Z)
• Narrative Consolidation: Formulating a New Task for Unifying Multi-Perspective Accounts [0.0]
  本稿では,この課題を新たなNLPタスクであるナラティブ・コンソリデーション(Narrative Consolidation)として公式に定義する。 中心的な目的は、時系列の完全性、完全性、補完的な詳細の融合である。 TAEGに標準アルゴリズムを適用することにより,提案手法はバージョン選択機構として機能し,各事象の最も中心的な表現を適切な時間的位置で選択する。
  論文  参考訳（メタデータ） (2025-12-19T20:14:44Z)
• ComoRAG: A Cognitive-Inspired Memory-Organized RAG for Stateful Long Narrative Reasoning [30.64878954885555]
  コモラグは、物語的推論は単発の過程ではなく、新しい証拠獲得と過去の知識の融合の間の動的で進化的な相互作用である、という原則を掲げて提案する。 各サイクルにおいて、ComoRAGは新しい探索経路を考案するための探索クエリを生成し、検索した新しい側面の証拠をグローバルメモリプールに統合する。 ComoRAGは、グローバルなコンテキスト理解を必要とする複雑なクエリに対して特に有利である。
  論文  参考訳（メタデータ） (2025-08-14T07:52:09Z)
• 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。