Faithful Temporal Question Answering over Heterogeneous Sources

要約

時間的質問応答 (QA) には、「… 2019 年に」や「… 新型コロナウイルス感染症以前に」などのフレーズを使用する時間制限が伴います。
前者では時間は明示的な条件ですが、後者では暗黙的な条件となります。
最先端の手法には 3 次元に関する制限があります。
まず、ニューラル推論では、時間制約は単にソフトマッチングされるだけであり、無効な答えや説明できない答えが生じる余地が与えられます。
第 2 に、暗黙の時間を含む質問はあまりサポートされていません。
3 番目に、回答は単一のソース (ナレッジ ベース (KB) またはテキスト コーパス) から得られます。
我々は、これらの欠点に対処する時間的 QA システムを提案します。
まず、具体的な証拠を使って忠実に答えるために、時間的な制約を課します。
2 番目に、暗黙の質問を適切に処理します。
3 番目に、異種ソース上で動作し、KB、テキスト、Web テーブルを統合された方法でカバーします。
この方法には 3 つの段階があります: (i) 質問とその一時的な状況を理解する、(ii) あらゆる情報源から証拠を検索する、(iii) 質問に忠実に答える。
以前のベンチマークでは暗黙の質問がまばらであるため、多様な質問を生成するための原則に基づいた方法を導入します。
実験では、一連のベースラインよりも優れたパフォーマンスが示されています。

要約(オリジナル)

Temporal question answering (QA) involves time constraints, with phrases such as ‘… in 2019’ or ‘… before COVID’. In the former, time is an explicit condition, in the latter it is implicit. State-of-the-art methods have limitations along three dimensions. First, with neural inference, time constraints are merely soft-matched, giving room to invalid or inexplicable answers. Second, questions with implicit time are poorly supported. Third, answers come from a single source: either a knowledge base (KB) or a text corpus. We propose a temporal QA system that addresses these shortcomings. First, it enforces temporal constraints for faithful answering with tangible evidence. Second, it properly handles implicit questions. Third, it operates over heterogeneous sources, covering KB, text and web tables in a unified manner. The method has three stages: (i) understanding the question and its temporal conditions, (ii) retrieving evidence from all sources, and (iii) faithfully answering the question. As implicit questions are sparse in prior benchmarks, we introduce a principled method for generating diverse questions. Experiments show superior performance over a suite of baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google