It’s High Time: A Survey of Temporal Information Retrieval and Question Answering

要約

時間は、情報の生成、取得、解釈の方法において重要な役割を果たします。
この調査では、時間に敏感な情報の取り扱いと理解を目的とした2つの研究分野である、一時的な情報の検索と時間的質問の回答の包括的な概要を説明します。
ニュース記事、Webアーカイブ、知識ベースなどのソースからのタイムスタンプコンテンツの量が増加するため、システムは時間的意図の検出、時間式の正規化、イベントの順序付け、進化またはあいまいな事実よりも推論などの課題に対処する必要があります。
これらの課題は、ニュースや百科事典から科学、歴史、ソーシャルメディアまで、多くのダイナミックで時間に敏感なドメインにわたって重要です。
トランスモデルと大型言語モデル（LLM）を使用するものを含む、従来のアプローチと最新のニューラル法の両方をレビューします。
また、時間的堅牢性、最新性の認識、一般化をテストするベンチマークデータセットと評価戦略に加えて、一時的な言語モデリング、マルチホップ推論、および検索の高性能発電（RAG）の最近の進歩をレビューします。

要約(オリジナル)

Time plays a critical role in how information is generated, retrieved, and interpreted. In this survey, we provide a comprehensive overview of Temporal Information Retrieval and Temporal Question Answering, two research areas aimed at handling and understanding time-sensitive information. As the amount of time-stamped content from sources like news articles, web archives, and knowledge bases increases, systems must address challenges such as detecting temporal intent, normalizing time expressions, ordering events, and reasoning over evolving or ambiguous facts. These challenges are critical across many dynamic and time-sensitive domains, from news and encyclopedias to science, history, and social media. We review both traditional approaches and modern neural methods, including those that use transformer models and Large Language Models (LLMs). We also review recent advances in temporal language modeling, multi-hop reasoning, and retrieval-augmented generation (RAG), alongside benchmark datasets and evaluation strategies that test temporal robustness, recency awareness, and generalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google