Typed-RAG: Type-aware Multi-Aspect Decomposition for Non-Factoid Question Answering

要約

非ファクトルの質問回答（NFQA）は、そのオープンエンドの性質、多様な意図、および従来のファクトイドQAアプローチを検索すること（RAG）、不十分なものを含むマルチアスペクトの推論の必要性のために、重要な課題を提起します。
ファクトイドの質問とは異なり、際のない質問（NFQ）は決定的な答えに欠けており、さまざまな推論の次元にわたって複数のソースからの情報を合成する必要があります。
これらの制限に対処するために、NFQAのRAGパラダイム内のタイプに認識されたマルチアスペクト分解フレームワークであるTyped-Ragを紹介します。
タイプ付きRAGは、NFQを議論、経験、比較などの異なるタイプに分類し、アスペクトベースの分解を適用して検索戦略と生成戦略を改良します。
マルチアスペクトNFQを単一のアスペクトサブQuerieに分解し、結果を集約することにより、タイプ化されたラグは、より有益で文脈的に関連する応答を生成します。
タイプ付きラグを評価するために、多様なNFQタイプをカバーするベンチマークデータセットであるWiki-NFQAを導入します。
実験結果は、タイプされたラグがベースラインよりも優れていることを示しており、それにより、NFQAでの効果的な検索と生成のためのタイプアウェア分解の重要性を強調しています。
コードとデータセットはhttps://github.com/teamnlp/typed-ragで入手できます。

要約(オリジナル)

Non-factoid question-answering (NFQA) poses a significant challenge due to its open-ended nature, diverse intents, and the need for multi-aspect reasoning, which renders conventional factoid QA approaches, including retrieval-augmented generation (RAG), inadequate. Unlike factoid questions, non-factoid questions (NFQs) lack definitive answers and require synthesizing information from multiple sources across various reasoning dimensions. To address these limitations, we introduce Typed-RAG, a type-aware multi-aspect decomposition framework within the RAG paradigm for NFQA. Typed-RAG classifies NFQs into distinct types — such as debate, experience, and comparison — and applies aspect-based decomposition to refine retrieval and generation strategies. By decomposing multi-aspect NFQs into single-aspect sub-queries and aggregating the results, Typed-RAG generates more informative and contextually relevant responses. To evaluate Typed-RAG, we introduce Wiki-NFQA, a benchmark dataset covering diverse NFQ types. Experimental results demonstrate that Typed-RAG outperforms baselines, thereby highlighting the importance of type-aware decomposition for effective retrieval and generation in NFQA. Our code and dataset are available at https://github.com/TeamNLP/Typed-RAG.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google