論文の概要: HintMiner: Automatic Question Hints Mining From Q&A Web Posts with Language Model via Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2609.16060v1
• Date: Sun, 13 Sep 2026 09:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.119061
• Title: HintMiner: Automatic Question Hints Mining From Q&A Web Posts with Language Model via Self-Supervised Learning
• Title（参考訳）: HintMiner: 自己指導型学習による言語モデルによるQ&A Webポストからのマイニングを支援する自動質問
• Abstract要約: 質問 - 回答(QA)フォーラム、例えばStack Overflowは、常にタイムリーかつ適切に質問に答えることはできません。 我々はHintMinerを提案する。HintMinerは、ユーザが答えを見つけるのを助けるための、新しい自動質問ヒントマイニングツールである。 例えば、HintMinerは平均BLEUスコアが36.17%、ROUGE-2スコアが36.29%である。
• 参考スコア（独自算出の注目度）: 6.922578755833123
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Users often need ask questions and seek answers online. The Question - Answering (QA) forums such as Stack Overflow cannot always respond to the questions timely and properly. In this paper, we propose HintMiner, a novel automatic question hints mining tool for users to help them find answers. HintMiner leverages the machine comprehension and sequence generation techniques to automatically generate hints for users' questions. It firstly retrieve many web Q\&A posts and then extract some hints from the posts using MiningNet that is built via a language model. Using the huge amount of online Q\&A posts, we design a self-supervised objective to train the MiningNet that is a neural encoder-decoder model based on the transformer and copying mechanisms. We have evaluated HintMiner on 60,000 Stack Overflow questions. The experiment results show that the proposed approach is effective. For example, HintMiner achieves an average BLEU score of 36.17\% and an average ROUGE-2 score of 36.29\%. Our tool and experimental data are publicly available.
• Abstract（参考訳）: ユーザーはよく質問をし、オンラインで答えを求める。 質問 - 回答(QA)フォーラム、例えばStack Overflowは、常にタイムリーかつ適切に質問に答えることはできません。 本稿では,提案するHintMinerを提案する。 HintMinerは、マシンの理解とシーケンス生成技術を利用して、ユーザの質問に対するヒントを自動的に生成する。 まず、多くのウェブQ\&A投稿を検索し、言語モデルで構築されたMiningNetを使って投稿からヒントを抽出する。 オンラインQ\&A投稿の膨大な量を用いて、トランスフォーマーとコピー機構に基づいたニューラルエンコーダデコーダモデルであるMiningNetをトレーニングするための、自己教師型の目標を設計する。 HintMinerを6万のStack Overflow質問で評価しました。 実験の結果,提案手法は有効であることがわかった。 例えば、HintMinerは平均BLEUスコア36.17\%、ROUGE-2スコア36.29\%を達成している。 私たちのツールと実験データは公開されています。

関連論文リスト

• Self-Questioning Language Models [58.73276539661649]
  本稿では,提案者がトピックを与えられ,解答者に対する質問を生成する非対称なセルフプレイフレームワークを提案する。 提案者と解答者はともに強化学習を通じて訓練される。 3桁の乗算、OMEGAベンチマークの代数問題、Codeforcesのプログラミング問題である。
  論文  参考訳（メタデータ） (2025-08-05T17:51:33Z)
• WikiHint: A Human-Annotated Dataset for Hint Ranking and Generation [15.144785147549713]
  最初に手動で構築したヒントデータセットWikiHintを紹介した。 我々は,ヒントの助けを借りずに質問に答える人間の被験者に対して,ヒントの有効性を評価する。 その結果, (a) データセットは, より効果的なヒントを生成するのに役立ち, (b) 回答情報を含む質問は, 一般的に生成したヒントの質を向上し, (c) エンコーダベースモデルは, ヒントランキングにおけるデコーダベースモデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-12-02T15:44:19Z)
• Exploring Answer Information Methods for Question Generation with Transformers [0.5904095466127044]
  我々は3つの異なる手法とその組み合わせを用いて回答情報を取り入れ、その効果をいくつかの自動評価指標で調べる。 追加のモードを使わずに解答のプロンプトが、ルージュ、隕石のスコアで最高のスコアを得るのを観察する。 カスタムメトリックを使用して、生成した質問の何個が同じ回答を持つかを計算する。
  論文  参考訳（メタデータ） (2023-12-06T13:26:16Z)
• A Practical Toolkit for Multilingual Question and Answer Generation [79.31199020420827]
  我々は,マルチ言語QAGのオンラインサービスであるAutoQGと,モデル微調整,生成,評価のためのオールインワンPythonパッケージであるlmqgを紹介した。 また、事前訓練されたエンコーダ-デコーダ言語モデルのいくつかの変種を微調整した8言語でQAGモデルをリリースしています。
  論文  参考訳（メタデータ） (2023-05-27T08:42:37Z)
• Answer ranking in Community Question Answering: a deep learning approach [0.0]
  本研究は, 地域質問回答の回答ランキングを, 深層学習のアプローチで進めることによって, 技術の現状を推し進めるものである。 Stack OverflowのWebサイトにポストされた質問と回答の大規模なデータセットを作成しました。 我々は,高密度埋め込みとLSTMネットワークの自然言語処理機能を利用して,受理された応答属性の予測を行った。
  論文  参考訳（メタデータ） (2022-10-16T18:47:41Z)
• Generating Answer Candidates for Quizzes and Answer-Aware Question Generators [16.44011627249311]
  そこで本研究では,テキストの文通しに対して,所定の数の回答候補を生成できるモデルを提案する。 実験の結果,提案する回答候補生成モデルは,いくつかのベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2021-08-29T19:33:51Z)
• GooAQ: Open Question Answering with Diverse Answer Types [63.06454855313667]
  さまざまな回答型を持つ大規模データセットであるGooAQを紹介する。 このデータセットには500万の質問と300万の回答が含まれている。
  論文  参考訳（メタデータ） (2021-04-18T05:40:39Z)
• Graph-Based Tri-Attention Network for Answer Ranking in CQA [56.42018099917321]
  本稿では,グラフに基づく新しい三者関係ネットワーク,すなわちGTANを提案し,回答ランキングのスコアを生成する。 実世界の3つのCQAデータセットの実験では、GTANは最先端の回答ランキング法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2021-03-05T10:40:38Z)
• Features that Predict the Acceptability of Java and JavaScript Answers on Stack Overflow [5.332217496693262]
  私たちは、最も人気のある2つのタグ(JavaとJavaScript)の質問と回答を分析してStack Overflowデータセットを調査しました。 その結果,回答中のコードの長さ,ユーザの評判,質問と回答間のテキストの類似性,質問と回答間の時間ラグは,受け入れられない回答と受け入れられない回答を区別する最も高い予測力を有することがわかった。
  論文  参考訳（メタデータ） (2021-01-08T03:09:38Z)
• Brain-inspired Search Engine Assistant based on Knowledge Graph [53.89429854626489]
  developerbotは脳にインスパイアされた、knowledge graphの名前の検索エンジンアシスタントだ。 複雑なマルチ制約クエリを複数の順序制約に分割することで、多層クエリグラフを構築する。 次に、制約推論プロセスを認知科学の拡散活性化モデルに触発されたサブグラフ探索プロセスとしてモデル化する。
  論文  参考訳（メタデータ） (2020-12-25T06:36:11Z)
• Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
  本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。 本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-10-29T18:28:16Z)

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。