LB-KBQA: Large-language-model and BERT based Knowledge-Based Question and Answering System

要約

生成人工知能 (AI) は、その新たな能力により、さまざまな分野に力を与えてきましたが、その代表的なものの 1 つが大規模言語モデル (LLM) です。
生成 AI の代表的な応用分野の 1 つは大規模言語モデル (LLM) であり、LLM の自然言語理解能力は、従来の AI ベースの手法と比較して飛躍的に向上します。
自然言語理解能力は、言語の多様性と新たに出現した意図から生じる、知識ベースの質問と回答 (KBQA) システムの意図認識パフォーマンスに対する常に障壁となってきました。
従来の AI ベースの意図認識方法は、意味解析ベースのアプローチとモデルベースのアプローチに分けることができます。
ただし、どちらの方法も、意図認識におけるリソースが限られているという問題があります。
この問題に対処するために、我々は大規模言語モデル(LLM)とBERT(LB-KBQA)に基づく新しいKBQAシステムを提案します。
生成AIの助けを借りて、私たちが提案した方法は、新しく出現した意図を検出し、新しい知識を取得することができます。
金融分野の質問応答に関する実験では、私たちのモデルは優れた有効性を実証しました。

要約(オリジナル)

Generative Artificial Intelligence (AI), because of its emergent abilities, has empowered various fields, one typical of which is large language models (LLMs). One of the typical application fields of Generative AI is large language models (LLMs), and the natural language understanding capability of LLM is dramatically improved when compared with conventional AI-based methods. The natural language understanding capability has always been a barrier to the intent recognition performance of the Knowledge-Based-Question-and-Answer (KBQA) system, which arises from linguistic diversity and the newly appeared intent. Conventional AI-based methods for intent recognition can be divided into semantic parsing-based and model-based approaches. However, both of the methods suffer from limited resources in intent recognition. To address this issue, we propose a novel KBQA system based on a Large Language Model(LLM) and BERT (LB-KBQA). With the help of generative AI, our proposed method could detect newly appeared intent and acquire new knowledge. In experiments on financial domain question answering, our model has demonstrated superior effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google