关于统一选择性无特定领域的问答,何时阅读文献或 QA 历史
本研究提出了一种知识辅助的开放域问答方法,通过考虑问题与文档之间的关系以及文档与文档之间的关系来构建问题 - 文档图和文档 - 文档图,使用知识三元组并结合文档检索和答案重新排名来提高文档检索和答案排序的性能,从而提高了开放域问答的整体性能。
Jun, 2020
利用 PubMed 作为可靠的医学研究文档集合,针对开放领域的问答设置,研究通过修改检索设置来提高问答系统性能的方法。结果显示,减少检索到的文档数量,偏爱近期和被引用次数较多的文献可以提高最终的宏观 F1 得分达到 10%。
Apr, 2024
本研究针对基于检索的开放领域问答系统,探究多语言环境下文献信息不一致的问题,分析多语言开放领域问答模型的检索偏差,探讨文化差异和信息不一致性对模型的影响。
May, 2022
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
Open-domain Question Answering research investigates the generalization performance of a retrieval-augmented QA model, proposing Corpus-Invariant Tuning as an effective training strategy to mitigate knowledge over-memorization and achieve better generalizability.
Apr, 2024
本文综述了 OpenQA 领域的最新研究趋势,重点关注采用神经 MRC 技术的系统,介绍了现代 OpenQA 体系结构 Retriever-Reader 及采用该体系结构的各种系统,讨论了开发 OpenQA 系统面临的关键挑战,并对常用的基准进行了分析。
Jan, 2021
本文研究了一种混合的提取式和生成式阅读器方法,以及如何结合这两种方法进行问答。我们通过一些新技术对预训练的神经语言模型进行了改进,证明了这种方法比以前最先进的模型效果更好,取得了 3.3 和 2.7 的提升。
Jan, 2021
该论文提出了一种新模型 Graft-Net,应用于 Open Domain Question Answering 问题,该模型结合了文本和知识库并利用子图表示法以提高效率和准确度
Sep, 2018