Question Answering in Natural Language: the Special Case of Temporal Expressions

要約

一般的な質問への回答は近年よく研究されていますが、一時的な質問への回答はそれほど注目されていないタスクです。
私たちの研究は、一般的な質問への回答、つまり回答抽出に使用される一般的なアプローチを活用して、段落内の一時的な質問に対する回答を見つけることを目的としています。
モデルをトレーニングするために、SQuAD からインスピレーションを得て、豊富な時間情報を提供するように特別に調整された新しいデータセットを提案します。
私たちは、史上最大の紛争に関するいくつかの文書を含むコーパス WikiWars を採用することにしました。
私たちの評価では、一般的な質問応答でよく使用されるパターン マッチングを実行するようにトレーニングされたディープ ラーニング モデルは、回答がテキスト内に直接存在する必要がある質問を受け入れる場合、時間的質問応答に適応できることが示されています。

要約(オリジナル)

Although general question answering has been well explored in recent years, temporal question answering is a task which has not received as much focus. Our work aims to leverage a popular approach used for general question answering, answer extraction, in order to find answers to temporal questions within a paragraph. To train our model, we propose a new dataset, inspired by SQuAD, specifically tailored to provide rich temporal information. We chose to adapt the corpus WikiWars, which contains several documents on history’s greatest conflicts. Our evaluation shows that a deep learning model trained to perform pattern matching, often used in general question answering, can be adapted to temporal question answering, if we accept to ask questions whose answers must be directly present within a text.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google