검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Discriminative Question Answering via Cascade Prompt Learning and Sentence Level Attention Mechanism 계단식 프롬프트 학습 및 문장 수준 주의 메커니즘을 통한 차별적인 질문 응답

Xiaoguang YUAN, Chaofan DAI, Zongkai TIAN, Xinyu FAN, Yingyi SONG, Zengwen YU, Peng WANG, Wenjun KE

  • 조회수

    0

  • 이것을 인용

요약 :

질문 응답(QA) 시스템은 주어진 정보를 기반으로 하거나 외부 정보의 도움을 받아 질문에 대답하도록 설계되었습니다. 최근 QA 시스템의 발전은 금융, 스포츠, 바이오의학 등 광범위한 분야에서 사용되는 딥러닝 기술에 의해 압도적으로 기여하고 있습니다. 오픈 도메인 QA의 생성적 QA의 경우 딥 러닝이 대규모 데이터를 활용하여 의미 있는 특징 표현을 학습하고 답변으로 자유 텍스트를 생성할 수 있지만 답변의 길이와 내용을 제한하는 문제는 여전히 남아 있습니다. 이 문제를 완화하기 위해 우리는 생성적 QA의 변형 YNQA에 초점을 맞추고 모델 CasATT(문장 수준 주의 메커니즘을 갖춘 계단식 프롬프트 학습 프레임워크)를 제안합니다. CasATT에서는 문서 수준에서 문장 수준까지 텍스트 의미 정보를 발굴하고 검색 및 순위 지정을 통해 대규모 문서에서 증거를 정확하게 마이닝하고 차별적인 질문 답변을 통해 순위가 지정된 후보자와의 질문에 답변합니다. 여러 데이터세트에 대한 실험은 IR&QA 경쟁 데이터세트에서 93.1%, BoolQ 데이터세트에서 90.5%의 정확도 점수를 달성할 수 있는 최첨단 기준선에 비해 CasATT의 우수한 성능을 보여줍니다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.9 pp.1584-1599
발행일
2023/09/01
공개일
2023/06/02
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2022EDP7225
원고의 종류
PAPER
범주
자연 언어 처리

작성자

Xiaoguang YUAN
  National University of Defense Technology,Beijing Institute of Computer Technology and Application
Chaofan DAI
  National University of Defense Technology
Zongkai TIAN
  Beijing Institute of Computer Technology and Application
Xinyu FAN
  Beijing Institute of Computer Technology and Application
Yingyi SONG
  Beijing Institute of Computer Technology and Application
Zengwen YU
  Beijing Institute of Computer Technology and Application,Xidian University
Peng WANG
  Southeast University
Wenjun KE
  Southeast University

키워드