文献

J-GLOBAL ID：202102269992862728   整理番号：21A0627929

チャレンジ・クローズ・ブックサイエンスExam:Meta学習ベースの質問応答システム【JST・京大機械翻訳】

Challenge Closed-Book Science Exam: A Meta-Learning Based Question Answering System

著者 (4件)： Zheng Xinyue (AI Lab, Lenovo Research, Beijing, China) ,  Wang Peng (AI Lab, Lenovo Research, Beijing, China) ,  Wang Qigang (AI Lab, Lenovo Research, Beijing, China) ,  Shi Zhongchao (AI Lab, Lenovo Research, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12280  ページ： 138-151  発行年： 2021年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 標準化された科学試験における先行研究は,Wikipediaまたは単純Wikipediaからの標的科学コーパスのような大きなテキストコーパスからのサポートを必要とする。しかし,大きなコーパスからの知識検索は時間がかかり,複雑な意味表現に埋め込まれた質問は検索を妨げる可能性がある。認知科学における二重プロセス理論にヒントを得て,システム1が直感的メタ分類器であり,システム2が推論モジュールであるメタQAフレームワークを提案した。特に,メタ学習法と大きな言語モデルBERTに基づく著者らの方法は,外部知識ベースに頼ることなく,関連例質問から学習によって科学問題を効率よく解決することができる。著者らは,AI2推論チャレンジ(ARC)に関する著者らの方法を評価して,実験結果は,メタ分類装置が新しい質問タイプに関してかなりの分類性能を生み出すことを示した。メタ分類器によって提供された情報は,[数式:原文を参照]から[数式:原文を参照]への推論モジュールの精度を著しく改善し,検索ベースのQA法よりも競合優位性を持っている。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  標準化 ,  分類装置 ,  *質問応答システム ,  知識ベース ,  認知科学 ,  コーパス ,  言語モデル
準シソーラス用語： メタ学習 ,  意味表現 ,  ウィキペディア ,  テキストコーパス , 【Automatic Indexing@JST】

著者キーワード (3件)： 標準化科学試験 ,  Meta学習 ,  質問応答

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 学習 ,  質問応答システム