論文の概要: A Survey of the State-of-the-Art in Conversational Question Answering Systems

• arxiv url: http://arxiv.org/abs/2509.05716v1
• Date: Sat, 06 Sep 2025 13:38:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.66635
• Title: A Survey of the State-of-the-Art in Conversational Question Answering Systems
• Title（参考訳）: 対話型質問応答システムの現状と課題
• Authors: Manoj Madushanka Perera, Adnan Mahmood, Kasun Eranda Wijethilake, Fahmida Islam, Maryam Tahermazandarani, Quan Z. Sheng,
• Abstract要約: 自然言語処理(NLP)における重要な分野として,会話質問回答システム(ConvQA)が登場している。 この調査は、ConvQAにおける最先端の総合的な分析を提供する。
• 参考スコア（独自算出の注目度）: 12.629718069426112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conversational Question Answering (ConvQA) systems have emerged as a pivotal area within Natural Language Processing (NLP) by driving advancements that enable machines to engage in dynamic and context-aware conversations. These capabilities are increasingly being applied across various domains, i.e., customer support, education, legal, and healthcare where maintaining a coherent and relevant conversation is essential. Building on recent advancements, this survey provides a comprehensive analysis of the state-of-the-art in ConvQA. This survey begins by examining the core components of ConvQA systems, i.e., history selection, question understanding, and answer prediction, highlighting their interplay in ensuring coherence and relevance in multi-turn conversations. It further investigates the use of advanced machine learning techniques, including but not limited to, reinforcement learning, contrastive learning, and transfer learning to improve ConvQA accuracy and efficiency. The pivotal role of large language models, i.e., RoBERTa, GPT-4, Gemini 2.0 Flash, Mistral 7B, and LLaMA 3, is also explored, thereby showcasing their impact through data scalability and architectural advancements. Additionally, this survey presents a comprehensive analysis of key ConvQA datasets and concludes by outlining open research directions. Overall, this work offers a comprehensive overview of the ConvQA landscape and provides valuable insights to guide future advancements in the field.
• Abstract（参考訳）: ConvQA(Conversational Question Answering)システムは、自然言語処理(NLP)において、機械が動的でコンテキスト対応の会話を行えるようにする進歩によって、重要な領域として登場した。 これらの能力は、顧客サポート、教育、法律、医療といった、一貫性と関連する会話を維持することが不可欠である様々な領域で、ますます適用されてきている。 最近の進歩に基づいて、この調査は、ConvQAにおける最先端の総合的な分析を提供する。 この調査は、マルチターン会話におけるコヒーレンスと関連性を保証するために、ConvQAシステムの中核となるコンポーネント、すなわち、履歴の選択、質問理解、回答予測について調べることから始まる。 さらに、強化学習、コントラスト学習、伝達学習などの高度な機械学習技術を用いて、ConvQAの精度と効率を改善する。 大規模言語モデル,すなわちRoBERTa, GPT-4, Gemini 2.0 Flash, Mistral 7B, LLaMA 3 の役割についても検討し,データスケーラビリティとアーキテクチャの進歩を通じてその影響を実証した。 さらに、この調査では、主要なConvQAデータセットの包括的分析を行い、オープン研究の方向性を概説して結論付けている。 全体として、この研究はConvQAの展望を概観し、この分野における今後の進歩を導く貴重な洞察を提供する。

関連論文リスト

• Visual question answering: from early developments to recent advances -- a survey [11.729464930866483]
  VQA(Visual Question Answering)は、機械が視覚コンテンツに関する質問に答えることを目的とした、進化した研究分野である。 VQAは、インタラクティブな教育ツール、医療画像診断、カスタマーサービス、エンターテイメント、ソーシャルメディアキャプションなど、幅広い用途で注目されている。
  論文  参考訳（メタデータ） (2025-01-07T17:00:35Z)
• FCC: Fusing Conversation History and Candidate Provenance for Contextual Response Ranking in Dialogue Systems [53.89014188309486]
  複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。 会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-31T23:58:28Z)
• Achieving Human Parity on Visual Question Answering [67.22500027651509]
  The Visual Question Answering (VQA) task using both visual image and language analysis to answer a textual question to a image。 本稿では,人間がVQAで行ったのと同じような,あるいは少しでも良い結果が得られるAliceMind-MMUに関する最近の研究について述べる。 これは,(1)包括的視覚的・テキスト的特徴表現による事前学習,(2)参加する学習との効果的な相互モーダル相互作用,(3)複雑なVQAタスクのための専門的専門家モジュールを用いた新たな知識マイニングフレームワークを含む,VQAパイプラインを体系的に改善することで達成される。
  論文  参考訳（メタデータ） (2021-11-17T04:25:11Z)
• Conversational Question Answering: A Survey [18.447856993867788]
  本調査は,会話質問回答(CQA)の最先端研究動向を包括的に概観する試みである。 この結果から,会話型AIの分野をさまざまな観点から活性化する一ターンから多ターンQAへの傾向が示唆された。
  論文  参考訳（メタデータ） (2021-06-02T01:06:34Z)
• QAConv: Question Answering on Informative Conversations [85.2923607672282]
  ビジネスメールやパネルディスカッション,作業チャネルなど,情報的な会話に重点を置いています。 合計で、スパンベース、フリーフォーム、および回答不能な質問を含む34,204のQAペアを収集します。
  論文  参考訳（メタデータ） (2021-05-14T15:53:05Z)
• BERT-CoQAC: BERT-based Conversational Question Answering in Context [10.811729691130349]
  履歴変換をシステム内に組み込むためのBERTという,パブリックに利用可能なプリトレーニング言語モデルに基づくフレームワークを紹介する。 実験の結果,我々のフレームワークはQuACリーダボードの最先端モデルと同等の性能を示した。
  論文  参考訳（メタデータ） (2021-04-23T03:05:17Z)
• Retrieving and Reading: A Comprehensive Survey on Open-domain Question Answering [62.88322725956294]
  OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。 Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。 次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
  論文  参考訳（メタデータ） (2021-01-04T04:47:46Z)

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。