Oct, 2019

问答系统能从游戏达人身上学到什么

PDF
TL;DR通过创建竞赛数据集，可以激发机器学习回答问题的能力并揭示出哪个系统回答问题最好，但是需要借鉴历史上竞赛社区创建竞赛的经验教训，包括消除歧义、评估技能和裁定争议。
question answeringdataset creationcompetitionadjudicating disputesqa research
发现论文，激发创造
  • 逐步问答的必要性：Quizbowl 案例

    比赛中的增量回答和顺序决策对机器学习和问答模型的挑战，这项研究介绍了三个独特的挑战，其中包括数千个维基百科式答案的事实型问答，对机器学习模型的信心分数进行校准，基于对问题的两种推理：上下文与对手建模。

    Apr, 2019

  • 利用生成 NQ 类问题来改进问答

    本研究提出一种算法，利用数据集转换技术从长的 Trivia 问题转化为类似于日常人类交流的较短问题的方式，自动生成自然问题（NQ）数据集中的问题，同时使用神经分类器检测并去除不合法的问题，从而生成高质量的数据集，提高了 QA 表现，该算法在低资源环境下使用，扩展了 QA 系统的规模，同时保持了训练数据的质量。

    Oct, 2022

  • 现代问答数据集和基准：一项调查

    本文调查了在深度学习时代发布的有影响力的问答数据集，并介绍了文本问答和视觉问答两个最常见的问答任务，涵盖了最具代表性的数据集，并提出了当前的一些 QA 研究挑战。

    Jun, 2022

  • 对抗性智力问答写作的新界面

    通过引入一种收集对抗性人工编写的问题的界面，我们利用人类生成的数据来开发让机器更好应对复杂任务的对抗性数据集，这对于开发问答人工智能是至关重要的。我们的界面不仅为创新的 Quiz Bowl AI 项目 QANTA 收集训练数据，同时也是为问答系统未来对抗性数据收集的一个概念验证。

    Mar, 2024

  • 跨任务和领域的技术问答

    本文提出了一种基于深度迁移学习的可调节联合学习方法，以有效地解决技术问答中的文档检索和阅读理解任务，并在 TechQA 上进行了实验验证，相较于现有方法表现更为优越。

    Oct, 2020

  • 评估问答系统：评判自然语言的复杂性

    本文针对问答系统的发展历程、评估指标及其相应的理论框架进行综述，并探讨了相关的评估方法和数据集。

    Sep, 2022

  • 会话式问答：综述

    本文对 2016 至 2021 年所发表关于问答系统的各项研究进行了回顾与总结，发现多轮问答系统已取代了单轮问答系统的先前主导地位，这表明了其在提高人工智能对话系统方面的重要性，同时也描绘了开展更多进一步和有利的研究的未来研究方向。

    Jun, 2021

  • 基于规则的开放域问答系统在 SQuAD v2.0 数据集上的设计与开发

    本研究提出了一种基于规则的开放域问答系统，可以回答来自相关上下文的任何领域的问题，使用 1000 个问题的 SQuAD 2.0 数据集测试开发的系统表现满意，同时分析了性能。

    Mar, 2022

  • 从信息检索和深度神经网络角度的基于文本的问答：一项综述

    本文综述了传统信息检索方法和深度神经网络方法在文本问答任务中的应用，介绍了相关模型以及可供比较的数据集和文献结果。

    Feb, 2020

  • 面向问答系统的俄语 Jeopardy! 数据集

    本文介绍了来自俄罗斯官方问答数据库 Chgk 的 Jeopardy！- 类俄语问答数据集，包括 379,284 个问题，观察其语言特征和相关的 QA 任务，并总结了基于该数据集的 QA 竞赛的前景。

    Dec, 2021