Question-Answer Sentence Graph for Joint Modeling Answer Selection

要約

タイトル：Question-Answer Sentence Graph for Joint Modeling Answer Selection（Answer Sentence SelectionのためのQuestion-Answer Sentence Graph）

要約：

– この研究では、情報検索型のQAシステムにおいて必須のAnswer Sentence Selection（AS2）のためのグラフベースのアプローチを研究しています。
– オフライン学習中、モデルは各質問に対して非教示的な方法で小規模の関連するトレーニンググラフを構築し、グラフニューラルネットワークと統合します。グラフノードは、質問文と回答文のペアです。
– 質問-質問、質問-回答、回答-回答のペアのスコアを計算するためのSOTAモデルを訓練して統合し、関連スコアの閾値処理を使用してグラフエッジを作成します。
– オンライン推論は、未知のクエリに対してAS2タスクを解決するために行われます。
– 2つの有名なアカデミックベンチマークと実世界のデータセットの実験により、このアプローチがSOTA QAベースラインモデルを一貫して上回ることが示されました。

要約(オリジナル)

This research studies graph-based approaches for Answer Sentence Selection (AS2), an essential component for retrieval-based Question Answering (QA) systems. During offline learning, our model constructs a small-scale relevant training graph per question in an unsupervised manner, and integrates with Graph Neural Networks. Graph nodes are question sentence to answer sentence pairs. We train and integrate state-of-the-art (SOTA) models for computing scores between question-question, question-answer, and answer-answer pairs, and use thresholding on relevance scores for creating graph edges. Online inference is then performed to solve the AS2 task on unseen queries. Experiments on two well-known academic benchmarks and a real-world dataset show that our approach consistently outperforms SOTA QA baseline models.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI