EMNLPApr, 2021

多样化多项答案检索的联合通道排名

PDF
TL;DR本文介绍了第一个联合检索模型，JPR，用于多答案检索，并使用自回归评分器选择一系列段落，JPR 能够在每个时间步选择覆盖新答案的段落，并使用树解码算法增加多样性。与之前的方法相比，JPR 在三个多答案数据集上实现了显著更好的答案覆盖率，使得答案生成模型能够考虑更少的段落，从而树立了新的最佳水平。
multi-answer retrievaljoint modelingpassage retrievalautoregressive rerankertree-decoding algorithm
发现论文，激发创造
  • RocketQAv2：一种用于稠密段落检索和段落重新排序的联合训练方法

    提出一种新颖的联合训练方法，将密集型段落检索和段落重新排名进行联合优化，其中动态列表蒸馏、混合数据增强策略和列表训练方法等对于检索和重新排名均具有显著的贡献，实验结果表明该方法在 MSMARCO 和自然问题数据集上具有有效性。

    Oct, 2021

  • 基于行列式点过程的多答案检索

    本文提出一种基于排列点过程和 BERT 的重新排序方法，综合考虑询问 - 段落相关性和段落 - 段落相关性，从而检索既与查询相关又具备多样性答案的段落。结果表明，我们的方法在 AmbigQA 数据集上优于现有技术。

    Nov, 2022

  • 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

  • DAPR: 一个关于文档感知的片段检索基准

    本文提出了文档感知段落检索 (DAPR) 任务的概念，并通过在段落表示中引入文档级上下文的不同方法扩展最先进的神经段落检索器。实验结果表明，混合检索系统在 DAPR 任务中只能略微改进，但能显著改进文档检索任务，这激励着进一步研究该新任务的更好检索系统的开发。

    May, 2023

  • 使用哈希的高效开放域问答过程检索

    本篇论文介绍一种名为 Binary Passage Retriever (BPR) 的神经检索模型，它将学习哈希技术集成到 Dense Passage Retriever (DPR) 中，以紧凑的二进制代码表示待检索文本，从而大幅降低了内存成本，同时保证了一致的精度，这适用于开放领域的问答。

    Jun, 2021

  • 面向开放域问答的多跳段落检索

    本文提出了一种方法，用于在大量知识库之中检索多个支持段落，以回答所提出的问题。该方法使用联合向量表示形式，并考虑知识源中段落的上下文句子表示形式。该技术在 SQuAD-Open 和 HotpotQA 的数据集上实现了开放域问答的最新成果。

    Jun, 2019

  • GripRank: 通过生成式知识改进的段落排序填补检索和生成之间的差距

    本文提出了一种名为 GripRank 的算法，它通过从一个生成式的通道评估器到一个通道排名器的知识精华的提炼来解决候选通道在检索过程中被平等对待的问题，并通过设计一套课程知识提炼机制来提升知识的提炼质量，实现了对答案的生成和文本排名的优化，最终在 KILT 基准测试中展现出优于同类方法的结果。

    May, 2023

  • 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

  • 稠密通道检索器的复制研究

    本研究对 Karpukhin 等人于 2020 年提出的基于稠密编码的全域问答模型（DPR）进行了复制研究，其中发现原作者低估了 BM25 基准检索的有效性。我们通过改进的答案跨度评分技术，使用与原论文相同的模型获得更好的端到端问题答案准确性。

    Apr, 2021

  • 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