Retrieval Enhanced Data Augmentation for Question Answering on Privacy Policies

要約

タイトル: プライバシーポリシーにおける質問応答のための検索強化データ拡張

要約:
– プライバシーポリシーにおける質問応答タスクは、ユーザーのクエリに対して最も関連性の高いテキストセグメントまたは文のリストを特定することとされる。
– 既存のラベル付きデータセットは不均衡であり、QAの性能が制限されている。
– 本論文では、検索モデルをアンサンブルし、未ラベルのポリシードキュメントから関連するテキストセグメントをキャプチャーするデータ拡張フレームワークを開発する。
– さらに、データの多様性と品質を向上させるために、複数の事前学習済み言語モデル（LM）を利用し、ノイズ除去フィルターモデルと連鎖させる。
– PrivacyQAベンチマークで拡張データを使用することで、既存のベースラインを大幅に向上させ（10\% F1）、50\%の新しい最高F1スコアを達成した。
– 実験結果から、この手法の有効性に関する洞察を提供する。

要約(オリジナル)

Prior studies in privacy policies frame the question answering (QA) task as identifying the most relevant text segment or a list of sentences from a policy document given a user query. Existing labeled datasets are heavily imbalanced (only a few relevant segments), limiting the QA performance in this domain. In this paper, we develop a data augmentation framework based on ensembling retriever models that captures the relevant text segments from unlabeled policy documents and expand the positive examples in the training set. In addition, to improve the diversity and quality of the augmented data, we leverage multiple pre-trained language models (LMs) and cascade them with noise reduction filter models. Using our augmented data on the PrivacyQA benchmark, we elevate the existing baseline by a large margin (10\% F1) and achieve a new state-of-the-art F1 score of 50\%. Our ablation studies provide further insights into the effectiveness of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI