论文笔记| The Emergence, Advancement and Future of Textual Answer Triggering

最新推荐文章于 2024-04-09 15:32:25 发布
最新推荐文章于 2024-04-09 15:32:25 发布
阅读量204 收藏
点赞数
分类专栏： 笔记 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011150266/article/details/117902424
版权
这篇论文深入探讨了答案触发任务，分析了WiKiQA和SELQA数据集的特性，介绍了SELQA-RNN、IARNN-Gate等模型，并讨论了句法相似性偏差、辅助内容导致的偏差及固定阈值问题等挑战，提出了解决方案。
摘要由CSDN通过智能技术生成

作者：李瑾
单位：燕山大学

论文地址

目录

这篇论文发表于2020年，详细且全面介绍了答案触发这一任务当前的发展以及面临的挑战。

一、 Dataset

  第一个公开的答案触发数据集WiKiQA 于2015年与答案触发这一任务同时提出，紧接着2016年提出了另一个数据集SELQA。

两个数据集不同点

  • 构建方式与数据比例不同：WiKiQA数据集中的问题都是真实的Bing搜索，未经编辑，是真实场景下的数据。该数据集分为两部分，一部分用于答案触发任务，另一部分用于答案选择任务。用于答案触发任务的数据集中有大约60%的问题没有正确答案；SELQA数据集是人工创建的，数据量相比WiKiQA数据集要大得多，正确回答的数据量也相对较多，同时主题也更丰富。这样看来，WiKiQA数据集挑战更大。

两个数据集的数据分布如下：

WiKiQA数据集

SELQA数据集
最低0.47元/天 解锁文章
期待成功
关注
专栏目录
wikiqa 数据集
04-03
We describe the WikiQA dataset, a new publicly available set of question and sentence pairs, collected and annotated for research on open-domain question answering. Most previous work on answer sentence selection focuses on a dataset created using the TREC-QA data, which includes editor-generated questions and candidate answer sentences selected by matching content words in the question. WikiQA is constructed using a more natural process and is more than an order of magnitude larger than the previous dataset. In addition, the WikiQA dataset also includes questions for which there are no correct sentences, enabling researchers to work on answer triggering, a critical component in any QA system. We compare several systems on the task of answer sentence selection on both datasets and also describe the performance of a system on the problem of answer triggering using the WikiQA dataset.
微软WikiQA corpus 简介
zdcs的专栏
02-18 4008
太简单了，没什么好翻译的The WikiQA corpus is a new publicly available set of question and sentence pairs, collected and annotated for research on open-domain question answering. Last published: August 28, 2015....
基于潜在聚类的比较聚合模型在答案选择中的应用
jnwujingchao的博客
08-01 331
摘要 作者利用预训练模型计算输入文本的向量表示并应用了迁移学习的方法。作者提出了基于潜在聚类的比较聚合模型，来计算目标语料库中的附加信息，并将目标函数从列表式变为点式，从而增强了比较聚合模型。 方法 1 Comp-Clip 模型 该模型是作者使用的基线模型，有四个部分组成： （1）文本表示：问题Q和答案A都用向量表示。 Q = σ (Wi Q) ⊙ tanh(Wu Q), A = σ (Wi A) ⊙ tanh(Wu A), （2）注意力机制：每个元素的软对齐都是通...
大语言模型数据集（二）
babyzbb636的博客
10-19 1455
该数据集用于训练和评估用于检测机器释义文本的模型。训练集包含从 8,024 篇维基百科（英文）文章（4,012 篇原文，4,012 篇使用 SpinBot API 释义）中提取的 200,767 段（98,282 篇原文，102,485 篇释义）。测试集分为 3 个子集：一个来自 arXiv 研究论文的预印本，一个来自毕业论文，另一个来自 Wikipedia 文章。此外，还使用了不同的 Marchine-paraphrasing 方法。
QA问答系统，QA匹配论文学习笔记
weixin_30732487的博客
12-21 647
论文题目： WIKIQA: A Challenge Dataset for Open-Domain Question Answering 论文代码运行： 首先按照readme中的提示安装需要的部分 遇到的问题： theano的一些问题，主要是API改动 下面是解决方法 首先安装 https://stackoverflow.com/questions/395011...
Timing the first emergence and disappearance of global water
最新发布
10-13
Timing the first emergence and disappearance of global water scarcity 第一次出现的时机和全球水资源短缺的消失
The emergence of molecular gynecology: homeobox and Wnt genes in the female reproductive tract
06-29
The emergence of molecular gynecology: homeobox and Wnt genes in the female reproductive tract The emergence of molecular gynecology: homeobox and Wnt genes in the female reproductive tract Jan ...
Partner Selection for the Emergence of Cooperation in Multi-Agent Systems Using RL 笔记
想写就写咯
02-22 1210
文章目录前言简介方法 前言 这篇文章介绍了促进协作的一种方式——partner selection，同样是最大化自私的目标函数，实验表明agent可以学习一个策略在促进协作的同时报复背叛者，最后形成亲社会。 简介 social dilemmas被描述为一个个体的短期奖赏与整体的长期利益之间的trade-off。理解协作出现的机制仍然是一个未解决的问题。建模对手和使用整体的联合动作分布可以解决age...
ASHRAE_TC99_Emergence_and_Expansion_of_Liquid_Cooling_in_Mainstream_Data Centers
08-02
标题《ASHRAE_TC99_Emergence_and_Expansion_of_Liquid_Cooling_in_Mainstream_Data Centers》和描述《ASHRAE TC9.9 液冷最新技术》以及标签《ASHRAE》均指向了美国供暖、制冷与空调工程师学会（American Society of...
问答系统案例----基于Bert实现知识库问答
一如年少模样丶的博客
04-10 4789
问答系统案例----基于Bert实现知识库问答 基于Transformers.Trainer实现 任务描述: 知识库问答也叫做知识图谱问答，模型结合知识图谱，对输入的问题进行推理和查询从而得到正确答案的一项综合性任务。知识图谱问答方法可分为两大类，一种是基于信息检索的方式，一种是基于语义解析的方式。信息检索的方式不需要生成中间结果，直接得到问题答案，十分简洁，但是对复杂问题的处理能力有限。语义解析的方式需要对输入的自然语言问题进行语义解析，再进行推理，具备解决复杂问题的能力。本教程选用信息检索的方式进行讨论
WikiQACorpus数据集
03-05
WikiQACorpus数据集，NLP项目测试集，可用于训练与测试。
SeqMatchSeq:WikiQA的比较汇总方法（通过PyTorch）
05-02
SeqMatchSeq（PyTorch） 与序列匹配有关的论文中描述的模型的Pytorch实现： 的王硕航，姜静 笔记： 最初是从分叉的，这是作者在Torch中的代码实现 清理一点，然后在PyTorch中重新实现 仅重新实现的WikiQA任务，尚不支持其他任务。 作者的原始回购在Wikiqa Dev中达到0.734（MAP） ，而此代码达到0.727（MAP） 由于割炬和pytorch之间的API不同，您可能会注意到一些差异： 原始回购协议会显式计算渐变，而此版本使用进行自动渐变。 orig仓库使用TemporalConvolution，而这个在pytorch中使用nn.Conv1d 我不知道为什么orig repo使用Parallel，所以我刚删除了它 去做： 保存/加载模块功能需要修复 每次评估后都必须保留Best_params 集成到ParlAI中，并同时对Ins
深度学习关键要素：数据集汇总与分享
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
08-09 8279
在深度学习的应用中，数据被认为是最重要的因素之一。因此，选择一个好的数据集对于深度学习的成功至关重要。在选择数据集时，不仅需要关注数据量的大小、多样性以及质量，还要考虑数据集是否代表了所研究问题的真实情况。本文整理了当前深度学习领域公开的数据集，供大家训练模型时选择和使用。
大语言模型开源数据集
产品老A，6年互联网大厂AIPM，专注探索新型人机交互
04-09 2956
本文目标：汇聚目前大语言模型预训练、微调、RM/RL、评测等全流程所需的常见数据集，方便大家使用，本文持续更新。文章较长，建议收藏后使用。
【开源训练数据集1】神经语言程式(NLP)项目的15 个开源训练数据集
u010542847的博客
02-11 1324
我们整理了训练聊天机器人所需的对话数据集，包括问答数据、客户支持数据、对话数据和多语言数据以及特殊功能任务的训练数据集。
wikiqa数据预处理结果与论文不一致的问题
Knimet的博客
04-26 900
大多answer selection论文中wikiqa的873/126/243清洗结果，是按txt格式的数据集清洗的，tsv格式的数据比txt少。 txt格式训练集：20360条 tsv格式训练集：20348条 如果按tsv，清洗结果应该是872/126/241 ============================ README里对txt格式数据的说明是slightly pro...
【翻译】Attentive Pooling Networks
weixin_45454859的博客
03-20 744
翻译
大语言模型常见任务及评测数据集汇总（二）：90个数据集！
zengzizi的博客
04-07 1282
1. 命名实体识别（NER） CoNLL 2003：这是一个广泛使用的英文NER数据集，包含了多个领域的文本，如新闻、财经和政治。它识别四种类型的实体：人名、地名、组织名和其它专有名词。 ACE (Automatic Content Extraction)：ACE数据集是一个多语种的数据集，包含了英语、阿拉伯语和汉语等，它识别的实体类型更为丰富，包括人名、地名、组织名、时间表达式、数量表达式等。 OntoNotes：这是一个大规模的英文数据集，包含了多种类型的文本，如新闻、对话和文本文档。它识别的实体
【NLP】文本分类综述 | 迈向NLP大师的第一步（下）
fengdu78的博客
12-13 1385
作者 | lucy北航博士在读·文本挖掘/事件抽取方向整理 |NewBeeNLP大家好，这里是NewBeeNLP。本系列文章总结自然语言处理（NLP）中最基础最常用的「文本分类」任务，主要包括以下几大部分：综述（Surveys）深度网络方法（Deep Learning Models）浅层网络模型（Shallow Learning Models）数据集（Datasets）评估方式（Evalu...
"基于asp.net开发的Bigbang歌迷购物网站论文
In fact, the emergence of electronic commerce has brought important changes to the status and consumer attitudes of consumers. The online practice of electronic commerce starts with online sales, and...
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