Keeping the Questions Conversational: Using Structured Representations to Resolve Dependency in Conversational Question Answering

要約

タイトル：会話型質問応答において会話的な質問を保持するための構造化表現の利用による依存関係の解決

要約：
– 会話型質問応答（ConvQA）を行う知的な対話エージェントが登場し、SF映画だけでなく現実にも存在し始めた
– これらのエージェントは、与えられた質問の文脈として提供される連続したターンを理解して適切に解釈する必要がある
– しかしながら、これらの連続した質問は時に暗黙的なまま残され、そのために代名詞や省略などの自然言語現象の解決が必要となる
– 質問書き換えのタスクは、暗黙的な質問を意図を明確化した質問に変換することによって、文脈のターン間の依存関係の解決の課題に対処する潜在的な可能性を持っている
– しかし、暗黙的な質問を書き換えるという解決策には、冗長な質問が生成されたり、会話の側面が自己完結型の質問によって失われたりするなどの潜在的な課題がある
– 本論文では、CONVSR（構造化表現を使用したCONVQA）という新しいフレームワークを提案し、中間表現を捉えて生成することで、QAモデルの能力を向上させ、不完全な質問をより正確に解釈する方法を探る
– また、このタスクの強みを活用して、より魅力的で雄弁な対話エージェントを設計することが可能であると述べる
– QuACおよびCANARDデータセットでモデルをテストし、提案されたフレームワークが標準の質問書き換えモデルよりも優れたF1スコアを達成することを実験結果で説明する。

要約(オリジナル)

Having an intelligent dialogue agent that can engage in conversational question answering (ConvQA) is now no longer limited to Sci-Fi movies only and has, in fact, turned into a reality. These intelligent agents are required to understand and correctly interpret the sequential turns provided as the context of the given question. However, these sequential questions are sometimes left implicit and thus require the resolution of some natural language phenomena such as anaphora and ellipsis. The task of question rewriting has the potential to address the challenges of resolving dependencies amongst the contextual turns by transforming them into intent-explicit questions. Nonetheless, the solution of rewriting the implicit questions comes with some potential challenges such as resulting in verbose questions and taking conversational aspect out of the scenario by generating self-contained questions. In this paper, we propose a novel framework, CONVSR (CONVQA using Structured Representations) for capturing and generating intermediate representations as conversational cues to enhance the capability of the QA model to better interpret the incomplete questions. We also deliberate how the strengths of this task could be leveraged in a bid to design more engaging and eloquent conversational agents. We test our model on the QuAC and CANARD datasets and illustrate by experimental results that our proposed framework achieves a better F1 score than the standard question rewriting model.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI