EMNLPOct, 2023

开放领域的会话问答的强大且高效的基线模型

PDF
TL;DR通过研究状况下的密集通道检索（DPR）检索器和解码中的融合（FiD）阅读器的流程，我们提出和评估了强大而简单高效的基准线，通过在检索器和阅读器之间引入快速重新排列组件并执行有针对性的微调步骤，改进了现有方法的性能，并减少了阅读器的延迟 60%。
open domain question answeringconversational domainstate-of-the-art dense passage retrievalfusion-in-decoder reader pipelineodconvqa tasks
发现论文，激发创造
  • 对话依赖性建模的情境对话问答短语检索

    本文提出了一种基于短语检索的直接预测答案方法，利用对比学习策略，将上下文的连续对话转化为一个单一的子任务，并在两个 ODConvQA 数据集上进行了验证，结果表明相较于检索器 - 阅读器方法，本方法具有显著优势。

    Jun, 2023

  • 基于历史答案的开放领域问答对话系统

    本文提出了 ConvADR-QA，该方法在 Open-domain conversational question answering 中使用历史答案来提高文本检索和回答效率。通过引入 teacher-student 框架来减少上一轮的噪声，实验结果表明我们的模型在提取式和生成式读者设置方面均优于现有的基线模型，充分证明了历史答案在开放领域会话问答中的有效性。

    Nov, 2022

  • R2-D2：开放领域问答的模块化基线

    R2-D2 是一个四阶段的开放领域问答管道，由检索器、段落重新排名器、抽取读取器、生成读取器以及一个聚合所有系统组成部分的终极预测机制组成。我们在三个开放领域问答数据集上展示了其优势，并超越了前两个的最新成果。我们的分析表明：(i) 将抽取式和生成式读取器相结合可以产生达到 5 个精确匹配的绝对改进，其效果至少是使用不同参数的同一模型的后验平均集成的两倍。(ii) 在抽取式问答数据集上，具有更少参数的抽取式读取器可以与生成式读取器的表现相匹配。

    Sep, 2021

  • 面向开放检索问答的合成目标领域监督

    本研究针对新的神经通道检索方法加以探讨，发现在 COVID-19 的封闭和专业目标域中，SOTA 模型 Dense Passage Retriever 比标准 BM25 差距较大。通过用文本生成器来生成合成训练示例对其进行微调，使其在对外域数据处理中更具鲁棒性，效果有所提高。最终，BM25 与改进的 DPR 模型的集成产生了最佳结果，进一步推动了开放式检索 QA 的 SOTA，适用于多个出域测试集。

    Apr, 2022

  • SpeechDPR: 开放领域口语问答的端到端口语段落检索

    提出基于语音密集检索器 (SpeechDPR) 的端到端框架，用于 Open-domain SQA 问题的检索组件，通过从无监督 ASR (UASR) 和文本密集检索器 (TDR) 的级联模型中提取知识来学习句子级语义表示，初步实验表明该方法在语音识别错误较大时表现更为鲁棒。

    Jan, 2024

  • 高效开放域问答测量调查

    本研究介绍了开放域问题回答（ODQA）的效率，并提供了最新的研究成果和挑战，以期为 ODQA 效率的进一步发展做出贡献。

    Nov, 2022

  • 探究最小编辑问句下的开放领域问答系统对比一致性

    本文研究了在自然语言处理中，模型在面对扰动时进行一致性预测的能力，提出了一种基于人工标注和大型语言模型生成的问题集，以改善现有模型在开放域问答任务上的表现，对广泛使用的密集式段落检索器模型（DPR）进行了改进，并通过对比性损失和数据增强技术提高了 DPR 的对比一致性，而不影响其在标准测试集上的准确度。

    May, 2023

  • 通过异构知识的推理链进行开放域问答

    提出一种新颖的开放领域问答框架，使用中介模块对异构知识源上的单跳 / 多跳问题进行回答。在预训练语言模型的基础上，通过将检索到的证据与其相关的全局上下文链接到图中，并将它们组织成候选证据链，实现了竞争性的性能。在两个 ODQA 数据集 OTT-QA 和 NQ 上，我们的模型显著优于之前最先进的方法，在 OTT-QA 上具有 47.3 的精确匹配分数（相对增益 45%）。

    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

  • 一种带有统一知识接口的开放领域问答系统

    本文提出了一种基于数据和文本的统一问答框架 UDT-QA，并使用数据到文本方法将 Wiki 百科中的表格和 Wikidata 中的图表达为口语化信息，以扩展知识索引。实验证明，该方法取得了自然问答 (Single-model state-of-the-art) 的最佳成果，并表明对于调整和热插拔的两种情况，口语化知识的优先考虑可以优化答案推理。

    Oct, 2021