Open-Domain Question Answering

最新推荐文章于 2024-03-31 13:15:00 发布
最新推荐文章于 2024-03-31 13:15:00 发布
阅读量406 收藏
点赞数
分类专栏： 机器阅读笔记
原文链接：https://zhuanlan.zhihu.com/p/93347083
版权
Dense Passage Retrieval for Open-Domain Question Answering
Young, Simple, Naive
09-25 405
开放领域 QA 中基于稠密向量的片段检索方法
Evaluating Open-Domain Question Answering in the Era of Large Language Models
c_cpp_csharp的专栏
10-16 493
词汇匹配仍然是开放域问答(QA)事实上的评价方法。不幸的是，当一个可信的候选答案没有出现在黄金答案列表中，词汇匹配就会完全失败，随着我们从抽取模型转向生成模型，这种情况越来越多。最近大型语言模型(llm)在QA方面的成功加剧了词汇匹配失败，因为候选答案变得更长，从而使与黄金答案的匹配更具挑战性。没有准确的评估，开放领域QA的真正进展仍然是未知的。在本文中，我们通过在NQ-OPEN(一个流行的基准)的子集上手动评估它们的答案，对各种开放域QA模型(包括llm)进行了彻底的分析。
DrQA 阅读维基百科来回答开放问题 Reading Wikipedia to Answer Open-Domain Questions
TensorFlowNews
07-27 3104
DrQA 是一个阅读理解系统应用于开放领域的问答。 项目由 https://github.com/facebookresearch 发布。 项目地址：https://github.com/facebookresearch/DrQA DrQA is a system for reading comprehension applied to open-domain question an
《Open-Domain Why-Question Answering with Adversarial Learning to Encode Answer Texts》笔记
liunianhuakai的博客
09-15 398
来源：ACL 2019 链接：https://www.aclweb.org/anthology/P19-1414 MOTIVATION why-QA模型检索的答案段落通常包含几个句子。这些多句的段落不仅包含了why-QA所寻求的原因及其与why-QA的联系，而且还包含了冗余的和/或不相关的部分。 CONTRIBUTIONS 本文训练了一个神经网络(NN)，从一个答案段落中生成一个由why-ques...
论文解读：Open Domain Question Answering Using Early Fusion of Knowledge Bases and Text
夏栀的博客
10-23 2335
论文解读：Open Domain Question Answering Using Early Fusion of Knowledge Bases and Text   知识库问答通常存在一个问题，就是由于知识库不充分导致在一定的推理范围内无法找到相应的答案，因此，可以通过引入额外非结构化文本做辅助增强。本文提出一种开放领域的知识库和文本问答方法。 一、简要信息 序号 属性 值 1 模型名称 GRAFT-Nets 2 所属领域 自然语言处理 3 研究内容 知识库问答 4 核心内容
论文：Open Domain Question Answering with A Unified Knowledge Interface翻译笔记（开放领域问答与统一知识接口）
最新发布
weixin_56242678的博客
03-31 1064
论文：Open Domain Question Answering with A Unified Knowledge Interface翻译笔记（开放领域问答与统一知识接口）
Open-Domain Question Answering相关部分论文阅读摘要
Bruce_Ch_cloud的博客
05-24 1021
主要内容Open-Domain Question Answering相关部分论文阅读摘要DrQA（Reading Wikipedia to Answer Open-Domain Questions）改进的TF-IDF关键词提取方法Denoising Distantly Supervised Open-Domain Question AnsweringDocument Gated Reader for Open-Domain Question AnsweringReinforced Ranker-Reader
【论文阅读】Dense Passage Retrieval for Open-Domain Question Answering
xxr233的博客
07-20 1564
Dense Passage Retrieval for Open-Domain Question Answering
论文阅读：End-to-End Training of Neural Retrievers for Open-Domain Question Answering
Hero19980512的博客
04-14 619
论文阅读：End-to-End Training of Neural Retrievers for Open-Domain Question Answering 来源：ACL 2021 下载地址：https://arxiv.org/pdf/2101.00408.pdf 代码地址：https: //github.com/NVIDIA/Megatron-LM 本文主要贡献： 我们证明了我们提出的使用 ICT 对检索器进行无监督预训练的方法，然后进行监督微调，与之前自然问题和 TriviaQA 数据集上的最佳结
Empowering Language Models with Knowledge Graph Reasoning for Open-Domain Question Answering
c_cpp_csharp的专栏
09-04 252
回答开放领域的问题需要掌握有关上下文实体的世界知识。由于预先训练的语言模型缺乏存储所有所需知识的能力，因此通常使用外部知识源（如知识图谱）来增强语言模型。在这项工作中，我们提出了knOwledge REasOning授权语言模型（OREOLM），该模型由一个新的知识交互层组成，该层可以灵活地插入到现有的基于Transformer的LM中，以与可微知识图谱推理模块协同交互。通过这种方式，LM引导KG走向期望的答案，而检索到的知识改进了LM。
NLPCC 2017-数据集
03-28
第六届CCF自然语言处理和中文计算会议（NLPCC 2017）
《Denoising Distantly Supervised Open-Domain Question Answering》浅析
weixin_40909358的博客
03-24 598
前言： 小编所写博客主要目的是记录之用，不免显得琐碎唠叨，不过分享出来如果能有只言片语帮到大家也是极好的。若您觉得一无所获，请及早退出，若有想法进一步交流，可评论。（原谅我没有时间排版） 论文题目:远距离监督开放问答的降噪。 1.论文提出一种新模，包括一个可以去除噪音文章的选择器，和一个从文中找出正确答案的reader。那么重点就在这个选择器怎么实现。 2.这幅图可以很好地解释这篇文章的创...
开放领域问答学习笔记
zerozzl01的博客
08-31 3255
1 开放领域问答概述 1.1 简介 开放领域问答（Open-domain question answer, QA），即使用大量不同主题的文档来回答问题，是自然语言处理（NLP）、信息检索（IR）和相关领域长期研究的主题。传统的QA系统通常构建为一个pipeline，由许多不同的组件组成，如问题处理、文档/文章检索和答案处理。随着深度学习的快速发展，现代开放域QA系统通过结合传统IR技术和深度学习模型重构，甚至完全以端到端方式实现。 1.2技术方案 当前开放域问答的技术方案可以主要分为三大类： ..
End-to-EndOpen-Domain Question Answering with BERTserini 论文阅读笔记
maka_uir的博客
02-20 1037
论文链接：https://arxiv.org/abs/1902.01718 本文主要的创新点是将Bert与Anserini 相结合，构建了一个通过外部知识库从而辅助阅读理解的方法 首先使用英文维基百科数据集，对文章、段落分别建立索引，对于一个新的问题，通过搜索引擎返回top K篇文章（段落），然后feed到 fine tune好的bert reader中生成答案范围，选取分数最高的段落最为最后...
An Integrated Path Formulation Method for Open Domain Question Answering over Knowledge Base
朝闻道
01-18 190
An Integrated Path Formulation Method for Open Domain Question Answering over Knowledge Base Wen Dai, Huiwen Liu, Yan Liu, Rongrong Lv, Shuai Chen Xiaomi Corporation, AI {daiwen, liuhuiwen, liuyan15, lvrongrong, chenshuai3}@http://xiaomi.com Abstract. Know
Reading Wikipedia to Answer Open-Domain Questions【论文笔记】
Chevalier的博客
10-08 572
一、摘要   这篇文章主要是介绍使用维基百科作为唯一的知识库来解决开放域问答。大规模机器阅读任务的主要挑战是文档检索（查找相关文章）和机器阅读理解（从文章中确定答案片段）。作者的方法将基于bigram hashing 和TF-IDF匹配的搜索组件与经过训练以检测维基百科段落中的答案的多层递归神经网络模型相结合。我们对多个现有QA数据集的实验表明：（1）两个模块相对于现有模块具有很强的竞争力;（2）...
Open Domain Question Answering Using Early Fusion of Knowledge Bases and Text读书笔记
sjh18813050566的专栏
02-25 1051
本文考虑如何同时利用Knowledge Graph和text来回答问题。主要思想是构建问题子图（包含KG和text），然后利用图表示学习方法，选出答案。   问题子图构建：     KB查询：在question中做entity linking得到seed entities，然后利用Personalized PageRank寻找周围可能的实体。边权重由边类型决定，边类型的权重由边的word e...
记忆网络之open-domain QA 应用
呜呜哈的博客
09-28 3635
记忆网络之open-domain QA 应用前面两篇文章分别介绍了Memory Networks和End-To-End MemNN两种模型，但是都是基于bAbI数据集进行的介绍，更像是一种阅读理解式的任务，也就是给定一段文字和一个问题，从中找出答案。然而平时遇到的QA任务，往往并不会给定一段材料和问题，而是直接给一个问题需要给出答案，那么这种情况下应该如何使用记忆网络的模型来解决呢？我们这次结合两篇
SIGIR 2019 | Document Gated Reader for Open Domain Question Answering
a609640147的博客
06-13 578
基于深度学习的模型，目前也存在一些问题，例如质量不太好的远距离监督数据和答案的分数没有在多文档间归一化。更有甚者，他们单独处理每个文档，而忽略了上下文之间的信息。这个处理方法与之前的开放域问答系统不相同。在该论文中，作者提出了一个DGR（document gated reader），这个模型使用了若干个文档去生成正确的答案。作者提出的文档级别的门操作去决定问题和文档之间相关性，并且把他们嵌入到答案...
a knowledge graph based question answering method for medical domain
01-17
知识图谱是一种基于医学领域的问答方法，它可以帮助医生和患者快速获取医学知识。这种方法将医学领域的知识整合到一个图谱中，图谱包含了医学领域的各种概念和实体，它们之间的关系以及属性信息。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值
>