关键词conversational question answering
搜索结果 - 43
- ACL利用自动回复分割从无标记文档中合成对话
通过学习对话任务数据的分割而不是使用句子边界的分割方法,我们提出了一种强大的对话合成方法,通过该方法生成的合成数据集在机器和人员评估中表现出优越的质量,同时在 ConvQA 检索系统预训练中使用我们的填充数据,观察到 OR-QuAC 基准测 - 通过精细检索增强和自我检查提升问答对话能力
通过引入细粒度检索扩充和自我验证等方法,我们在对话型问答系统中提出了一种具有检索增强生成能力的方法,通过协同工作的对话型问题精炼器、细粒度检索器和基于自我验证的回答生成器,实现了问题理解和相关信息获取,实验证明了我们方法在现有基准算法上的巨 - ChatQA:构建 GPT-4 级别的对话问答模型
我们介绍了 ChatQA,一种具有 GPT-4 级准确性的对话问答模型系列。我们提出了一种两阶段指令调优方法,可以显著提高大型语言模型的零 - shot 对话问答结果。为了处理对话问答中的检索问题,我们在多轮问答数据集上对密集检索器进行微调 - 基于知识图谱的对话式问答系统
我们提出了一个基于强化学习模型的 CornNet,该模型利用大型语言模型生成的问题重述来改进对知识图谱中的多轮自然语言问题的回答,实验证明 CornNet 优于现有的 ConvQA 模型。
- S2M:用于对话式问答的单轮转多轮数据集转换
提供数据增强给会话问答系统 (CQA) 可以有效提高模型性能。然而,由于单轮和多轮数据集之间的分布差异,单轮数据集在 CQA 中的改进较少。另一方面,尽管有大量的单轮数据集可用,但我们尚未有效利用它们。为解决这个问题,我们提出了一种将单轮数 - PCoQA:波斯语会话问答数据集
通过引入 PCoQA 数据集,本研究旨在为会话式问答研究提供第一个波斯语会话式问答数据集,包含多达 9,026 个背景驱动的问题,涉及提问者、回答者和维基百科文档。该数据集对以往问答数据集提供了新的挑战,包括更多开放性非事实性答案、较长答案 - ACL关于问题重述系统对不同难度问题的鲁棒性研究
该研究论文研究了对话式问答(CQA)中问题重写(QR)的鲁棒性,通过自动分类问题并度量其重写难度,进行人工评估,最终提出一种学习框架以增强 QR 系统对不同难度问题的鲁棒性,并在实验中验证了该框架的性能优于基准模型。
- EMNLP对话生成器:基于上下文的、从文本资源中生成对话型问答数据集
为了解决 Conversational question answering (ConvQA) 中的数据稀缺问题,我们提出了一种名为 Dialogizer 的新型框架,能够从文本源自动生成具有高上下文相关性的 ConvQA 数据集。框架中结 - WSDM对话问答模型的强化重述生成之稳健训练
通过我们提出的 REIGN 框架,我们通过多种步骤来解决面对表面形式变化的局限性学习环境,其中包括系统生成训练问题的改写,通过深度强化学习改善问答模型的性能,以及在一个基准测试集上训练模型并应用于另一个。我们通过大量多样的改写生成评测数据的 - MM对话式问答的提示引导式复制机制
在本文中,我们提出了一种可插拔的抽取方法,引入了一种新的提示引导复制机制,以提高提取回答的流畅性和适切性。我们的方法使用提示来链接问题和答案,并利用注意力来指导复制机制,验证提取回答的自然性并进行必要的编辑,以确保回答流畅且适切。三个提示包 - 学习在对话问答中选择相关历史转折
提出了一个名为 DHS-ConvQA(Conversational Question Answering 中的动态历史选择)的框架,该框架通过生成相关历史转折中的上下文和问题实体,并根据它们与问题之间的相似性进行修剪,使用基于注意机制的方法 - 应对会话式问答中的第三方修复
处理不正常交流对于鲁棒和忠实的会话型人工智能至关重要。我们收集和公开发布了 Repair-QA,这是第一个大型的用于会话型问答设置中的第三位置修复的数据集。通过训练和评估强大的基准模型来展示数据的有效性,并且结果表明,GPT-3 模型在修复 - 保持问题对话式:使用结构化表示解决对话问答中的依赖性
本文提出了一种名为 CONVSR 的新型框架,用于捕获并生成中间表示作为会话提示,以增强 QA 模型的能力以更好地解释不完整的问题,并讨论了如何利用该任务的优势设计更具吸引力和雄辩的对话代理程序。
- ACL基于置信度校准和不确定性度量的现实对话问答与答案选择
研究提出通过预测答案对话历史进行推理,并利用估计的置信度和不确定性过滤出不准确的答案, 最终将置信度和不确定性值进行校准,以此提高问答模型的性能表现。实验结果表明,该方法在两个标准 ConvQA 数据集上表现出了显著优于基线模型的效果。
- EMNLP会话式问答中的加强问句重述技术
使用强化学习训练重写模型,以 QA 反馈作为监督信号,能够有效提高抽取式和检索式问答中的性能,并且人工评估表明该方法能够生成更准确和详细的重写,优于人工注释。
- ACL多类型对话式封闭和无法回答问题的问答生成
本文提出了一种新的方法合成用于 CQA 的数据,其中包括开放式,封闭式和无法回答的问题,通过为每种问题类型设计不同的生成流程并将它们有效地结合在单个共享框架中,同时设计了分层回答分类模块,提高了合成数据的质量,手动检查发现我们的框架生成的合 - EMNLPPACIFIC: 面向金融领域的基于表格和文本数据的主动对话问答
为促进在金融领域中的混合上下文中的会话式问答,我们提出了一个名为 PACIFIC 的新数据集,其中包含三个关键特征:积极性、数字推理和文本表格的混合上下文。我们定义了一个新的任务来研究积极型会话式问答 (PCQA),该任务将澄清问题生成和 - 知识图谱对话问答中的对比表示学习
通过对话历史和领域信息进行对比表示学习,本文提出了一种基于对比表示学习的方法,用于无需黄金注释的弱监督下进行知识图谱路径排名。 实验结果表明,该方法在所有领域和整体上显着优于现有基线,排名指标相对于现有技术表现提高了 10 到 18 个百分 - 面向知识图谱的对话问答答案表达数据集
本文介绍了一个新的数据集,用于在知识图谱上进行口头回答的对话式问答。该论文通过扩展现有的多轮对话式问答数据集,包括多个释义的口头回答,提供了新的贡献,并使用五个序列到序列模型进行了实验,同时保持语法的正确性。我们还进行了误差分析,详细说明了 - 对话问答中省略和指代检测的主动学习和多标签分类
本文提出了一种基于 DistilBERT 的多标签分类器,在有限的标记数据上采用多标签分类和主动学习来检测对话问答中省略和共指的现象,大大提高了分类器的性能。