予測QA:時間テキストデータによるイベント予測のための質問応答挑戦【JST・京大機械翻訳】

Jin Woojeong; Khanna Rahul; Kim Suji; Lee Dong-Ho; Morstatter Fred; Galstyan Aram; Ren Xiang

プレプリント

J-GLOBAL ID：202202220554060972 整理番号：21P0030798

予測QA:時間テキストデータによるイベント予測のための質問応答挑戦【JST・京大機械翻訳】

ForecastQA: A Question Answering Challenge for Event Forecasting with Temporal Text Data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年05月02日プレプリントサーバーでの情報更新日： 2021年06月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

イベント予測は,人間が将来,絶えず計画を追求するので,挑戦的ではあるが重要なタスクである。既存の自動予測研究は,時系列またはイベントベース知識グラフのような構造化データに主に依存し,将来のイベントの予測を助ける。本研究では,タスクを定式化し,データセットを構築し,大量の非構造化テキストデータによるイベント予測のための手法を開発するためのベンチマークを提供した。時間的ニュース文書に関する予測シナリオをシミュレーションするために,著者らは,制限領域,多重選択,質問応答(QA)タスクとして問題を定式化した。既存のQAタスクと異なり,著者らのタスクはアクセス可能な情報を制限し,従って,モデルは予測判断を行う必要がある。このタスク定式化の有用性を示すために,著者らは,クラウドソーシング努力によって収集され,検証された10,392のイベント予測質問から成る質問応答データセットであるForecastQAを導入した。BERTベースのモデルを用いてForecastQAに関する著者らの実験を提示し,著者らの最良モデルがデータセット上で60.1%の精度を達成し,それは約19%の人間性能の遅れをまだ遅れることを見出した。ForecastQAは,このギャップの橋渡しにおける将来の研究努力を支援することを期待する。【JST・京大機械翻訳】

, , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , その他の情報処理

, , , ,

前のページに戻る