ADMUS: A Progressive Question Answering Framework Adaptable to Multiple Knowledge Sources

要約

深層学習モデルの導入により、セマンティック解析ベースの知識ベース質問応答 (KBQA) システムは、複雑な質問を処理する際に高いパフォーマンスを達成しました。
しかし、既存のアプローチのほとんどは、主に個々のベンチマーク データセットに対するモデルの有効性を高めることに焦点を当てており、現実世界のシナリオ (マルチテナント プラットフォームなど) でシステムを異種データセットに適応させるための高額なコストを無視しています。
したがって、複数の言語、多様なバックボーン知識ベース、異種の質問応答データセットを含む、さまざまなデータセットに対応するように設計された、進歩的な知識ベースの質問応答フレームワークである ADMUS を紹介します。
この目的を達成するために、私たちは従来の KBQA システムのアーキテクチャを分離し、このデータセットに依存しないフレームワークを提案します。
私たちのフレームワークは、最小限の労力で新しいデータセットのシームレスな統合をサポートしており、データセット関連のマイクロサービスをごくわずかなコストで作成するだけで済みます。
ADUMS の使いやすさを向上させるために、正確なクエリの実行、近似クエリの生成、大規模な言語モデルから参照するオープンドメインの知識の取得に至る 3 つの段階からなる進歩的なフレームワークを設計します。
ADUMS のオンライン デモは、https://answer.gstore.cn/pc/index.html でご覧いただけます。

要約(オリジナル)

With the introduction of deep learning models, semantic parsingbased knowledge base question answering (KBQA) systems have achieved high performance in handling complex questions. However, most existing approaches primarily focus on enhancing the model’s effectiveness on individual benchmark datasets, disregarding the high costs of adapting the system to disparate datasets in real-world scenarios (e.g., multi-tenant platform). Therefore, we present ADMUS, a progressive knowledge base question answering framework designed to accommodate a wide variety of datasets, including multiple languages, diverse backbone knowledge bases, and disparate question answering datasets. To accomplish the purpose, we decouple the architecture of conventional KBQA systems and propose this dataset-independent framework. Our framework supports the seamless integration of new datasets with minimal effort, only requiring creating a dataset-related micro-service at a negligible cost. To enhance the usability of ADUMS, we design a progressive framework consisting of three stages, ranges from executing exact queries, generating approximate queries and retrieving open-domain knowledge referring from large language models. An online demonstration of ADUMS is available at: https://answer.gstore.cn/pc/index.html

arxiv情報

提供元, 利用サービス

arxiv.jp, Google