AAAIFeb, 2023

LIQUID: 列表型问题回答数据集生成框架

PDF
TL;DRLIQUID 是一个自动化框架，用于从未标注的文本中生成列表问答数据集，并可显著提高之前在 MultiSpanQA、Quoref 和 BioASQ 数据集上表现得最好的列表问答模型的精确匹配 F1 分数。
question answeringdata generation frameworkliquidlist questionsautomated framework
发现论文，激发创造
  • 生成、注释并使用合成数据的管道以用于现实世界中的问答

    本文介绍了如何使用合成领域特定数据集来改进问答的性能，通过实验表明使用该方法 fine-tune 下游模型的表现得到了显著的提升。

    Nov, 2022

  • 利用检索句子生成模板的方式提高无监督问答

    我们提出了一种无监督训练 QA 模型的方法，该方法使用生成的伪数据训练，为 QA 训练生成问题，通过对相关检索到的句子应用简单模板，而非原始上下文句子来实现，从而使模型能够学习更复杂的上下文问题关系。 使用这些数据训练 QA 模型可在 SQuAD 数据集上获得 14％的 F1 分数相对提高，并且在答案为命名实体时提高 20％，从而实现无监督 QA 的最新性能。

    Apr, 2020

  • 长格式问答进展的障碍

    该论文探讨了长篇问答任务中关于评估和数据集构建所面临的挑战，在提出新模型的同时指出该任务中 ROUGE-L 评估不具信息性，且训练集和验证集存在显著重复。给出了缓解这些问题的建议。

    Mar, 2021

  • 无监督多项选择问题回答

    无监督问答，多选题问答，合成数据生成，命名实体，知识图谱。

    Feb, 2024

  • 利用自动单一或多段答案提取的活动报告分析

    本文提出了一个基于 RoBERTa 的多跨度问题回答（MSEQA）模型，可以在针对某个问题和上下文的情况下返回适当的答案跨度。

    Sep, 2022

  • SelQA: 基于选项的问答新基准

    本篇论文提出了一个新的选择题型问答数据集 SelQA，该数据集通过众包生成问题，并从英文维基百科中提取十个最常见主题的长度为答案。我们介绍了一种语料库注释方案，旨在通过明确减少问题和答案之间的词共现来增强生成大型、多样化和具有挑战性的数据集的过程。在回答句子选择和回答触发任务上，我们比较了几个系统，为未来的工作提供了强有力的基准结果。

    Jun, 2016

  • 简单有效的半监督问答

    本研究提出一种利用基础文档和少量标注数据进行深度学习提取式问答的方法，并通过对三个不同领域数据集的实验验证了其有效性。

    Apr, 2018

  • NewsQs: 多源信息提问

    我们提供了一个名为 NewsQs (新闻提示) 的数据集，其中提供了多篇新闻文档的问题 - 回答对。通过在 News On the Web 语料库的 FAQ 样式新闻文章上对 T5-Large 模型进行微调，我们创造了 NewsQs，并自动生成了问题。我们证明，使用控制代码对模型进行微调可以生成更容易被人们接受的问题，与没有使用控制代码的相同模型相比，在人类评价中表现更好。我们使用与人类注释具有高相关性的 QNLI 模型来过滤数据。我们将我们的最终高质量问题、答案和文档聚类数据集作为资源，用于未来的基于查询的多文档摘要研究。

    Feb, 2024

  • 一个带有多段答案的开放领域问答数据集

    CLEAN 是一个综合的中国多段落问答数据集，它包含了广泛的开放领域主题，并需要大量实例来回答描述性问题。

    Feb, 2024

  • 医学内容抽取式问答的序列标注

    本文研究了通用和生物医学知识库中问答问题类型的不同，并提出了一种基于序列标注方法的生物医学知识库问答模型，可以直接回答多个答案，而不需要后处理步骤。

    Apr, 2021