文献

J-GLOBAL ID：201902262027634098   整理番号：19A1586222

複雑な応答検索のための低効用ファセットの克服【JST・京大機械翻訳】

Overcoming low-utility facets for complex answer retrieval

著者 (8件)： MacAvaney Sean (Information Retrieval Laboratory, Computer Science Department, Georgetown University, Washington, DC, USA) ,  Yates Andrew (Max Planck Institute for Informatics, Saarbruecken, Germany) ,  Cohan Arman (Information Retrieval Laboratory, Computer Science Department, Georgetown University, Washington, DC, USA) ,  Cohan Arman (Allen Institute for Artificial Intelligence, Seattle, WA, USA) ,  Soldaini Luca (Information Retrieval Laboratory, Computer Science Department, Georgetown University, Washington, DC, USA) ,  Hui Kai (SAP SE Machine Learning R&D, Berlin, Germany) ,  Goharian Nazli (Information Retrieval Laboratory, Computer Science Department, Georgetown University, Washington, DC, USA) ,  Frieder Ophir (Information Retrieval Laboratory, Computer Science Department, Georgetown University, Washington, DC, USA)
資料名： Information Retrieval Journal  (Information Retrieval Journal)
巻： 22  号： 3-4  ページ： 395-418  発行年： 2019年 
JST資料番号： W4436A  ISSN： 1386-4564  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 多くの質問は簡単に答えることができない。それらの回答は,多数の詳細な詳細と文脈を含む必要がある。複雑なAnswer Retrieval(CAR)はそのような質問に対する回答の検索である。これらの質問は,トピック実体(例えば,「チーズ」)とファセット(例えば,「健康影響」)から構成できる。トピックマッチングは徹底的に探索されているが,いくつかのファセットは,低い効用を示しながら,回答において動詞に見えないと思われる一般的言語を使用することを観察した。本研究では,低効用ファセットを同定し,扱うCARへのアプローチを提示した。第一に,著者らは,ファセットユーティリティの2つの推定子を提案した。すなわち,CAR質問の階層構造と訓練データからのファセット周波数情報である。次に,低効用ヘッドに関する検索性能を改善するために,筆者らは,ファセットの文脈を捉えるCAR知識グラフから訓練された埋め込みを用いたエンティティ類似性スコアを含んだ。これらの方法は,2つの主要なニューラルランキング技術に適用することにより効果的であり,TREC CARデータセット上でそれらを評価することができることを示した。著者らは,著者らのアプローチが,非修飾神経ランカーおよび他の主要なCAR技術よりも著しく優れていることを見出し,最先端の結果を得た。また,これらの結果の詳細な解析を行い,低効用ファセットが実際に整合しにくいことを検証し,この手法がこれらの困難な質問に対する性能を改善することを検証した。Copyright 2018 Springer Nature B.V. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 言語 ,  階層構造 ,  動詞 ,  *ファセット ,  情報検索 ,  推定量 ,  マッチング ,  検索効率 ,  類似性 ,  等級づけ
準シソーラス用語： 神経 ,  TREC ,  スコア ,  エンティティ ,  訓練データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 複雑な応答検索 ,  知識グラフ ,  神経情報検索 ,  再ランキング

分類 (1件)： 検索技術  (AC06020S)

タイトルに関連する用語 (4件)： 応答 ,  検索 ,  効用 ,  ファセット