SIGIRMay, 2018

WikiPassageQA：用于非事实问题回答段落检索研究的基准数据集

PDF
TL;DR本文介绍了一个新的基于维基百科的、特定于非事实性答案段落检索的集合，其中包含成千上万个带注释的答案和问题，展示了各种先进神经架构和检索模型的基准结果，并展示了未来研究在主题相关文件中答案段落检索所面临的独特挑战。
answer passage retrievalinformation retrieval systemopen domain question answeringdeep neural networkwikipedia
发现论文，激发创造
  • 生物医学问答中的前 K 个相关片段检索

    我们在临床领域中通过对现有 DPR 框架的改进，从可靠的 Pubmed 文章中检索答案，使其在 BioASQ QA 数据集上的评估结果为 0.81 的 F1 得分。

    Aug, 2023

  • ANTIQUE: 非事实型问题回答基准

    本文介绍了从雅虎问答社区收集的 2,626 个开放域非事实类问题以及 34,011 个评分注释的 ANTIQUE 数据集，旨在为进一步的研究提供基础，并在经典和最近开发的神经信息检索模型上提供基准结果。

    May, 2019

  • 利用生成模型结合段落检索进行开放域问答

    研究使用生成模型在开放领域问答中的表现，发现利用文本段落检索可以显著提高性能，证明生成模型擅长聚合和组合多个段落的证据，同时在 Natural Questions 和 TriviaQA 开放式基准测试中取得最好的结果。

    Jul, 2020

  • 基于知识引导的开放领域问答中的文本检索和阅读

    本研究提出了一种基于知识库和相关文章文本联合的开放领域问答方法，通过检索和阅读一个包含文本段的图表结构，并采用跨相关段落传播信息的方式更新文本段落表示，从而在 WebQuestions、自然问题和 TriviaQA 三个任务的数据集上实现了 2-11% 的性能提升。

    Nov, 2019

  • 使用维基百科回答开放领域问题

    本文提出使用维基百科作为唯一知识源来解决开放领域问题回答，提出了一种基于大二元哈希和 TF-IDF 匹配的搜索组件与训练于维基段落中检测答案的多层循环神经网络模型的结合方法，同时现有数据集的实验结果表明，这两个模块都是高度竞争力的，并且使用远程监督进行多任务学习的组合是这个具有挑战性任务的有效完整系统。

    Mar, 2017

  • 开放域问答中的答案重新排序的证据聚合

    本文提出了两种新的模型，在公开领域问答数据集中取得了最具竞争力的结果。这两种方法是使用多篇文章生成答案。

    Nov, 2017

  • 限制篇幅下 BERT 在非事实型问答中的研究

    研究使用 BERT 进行非事实类问题回答，重点关注在不同文本长度下的文本重排任务。通过探索 BERT 在不同的排序方法下进行微调，包括逐点和逐对方法，在现有技术上取得了显着的进展。随后，分析了 BERT 在不同文本长度下的效果，并提出了如何应对大文本数据。

    Aug, 2019

  • 问答中用于 top-k 文档检索的增强向量

    提出一种新的文档检索方法，通过赋予每个文档一个唯一标识符和使用密集矢量进行索引，以实现高效准确地检索问题答案所需的证据文档，适用于对话聊天机器人等情景。

    Oct, 2022

  • 用于开放式领域问答的密集式检索

    本研究展示了如何使用密集向量表示实现开放领域的问答，通过一个简单的双编码框架，通过从一小部分问题和段落中学习嵌入来实现检索，并在多个开放域 QA 基准测试中超越了传统的基于 TF-IDF 或 BM25 的方法，为终端 QA 系统的最新性能奠定了基础。

    Apr, 2020

  • ReQA: 面向端到端答案检索模型的评价

    本篇论文介绍了一个用于评估大规模句子级别答案检索模型的基准 Retrieval Question-Answering（ReQA），并使用神经编码模型和传统信息检索技术建立了基线。我们提供我们的评估代码以鼓励更多关于这一具有挑战性的任务的研究。

    Jul, 2019