D
2022
Comparing RNN and Transformer Context Representations in the Czech Answer Selection Task
MEDVEĎ, Marek, Aleš HORÁK a Radoslav SABOL
Základní údaje
Originální název
Comparing RNN and Transformer Context Representations in the Czech Answer Selection Task
Vydání
Portugal, Proceedings of the 14th International Conference on Agents and Artificial Intelligence (ICAART), od s. 388-394, 7 s. 2022
Další údaje
Typ výsledku
Stať ve sborníku
Obor
10200 1.2 Computer and information sciences
Stát vydavatele
Portugalsko
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Kód RIV
RIV/00216224:14330/22:00125094
Organizační jednotka
Fakulta informatiky
Klíčová slova anglicky
Question Answering; Answer Context; Answer Selection; Czech; Sentece Embeddings; RNN; BERT
Příznaky
Mezinárodní význam, Recenzováno
V originále
Open domain question answering now inevitably builds upon advanced neural models processing large unstructured textual sources serving as a kind of underlying knowledge base. In case of non-mainstream highly- inflected languages, the state-of-the-art approaches lack large training datasets emphasizing the need for other improvement techniques. In this paper, we present detailed evaluation of a new technique employing various context representations in the answer selection task where the best answer sentence from a candidate document is identified as the most relevant to the human entered question. The input data here consists not only of each sentence in isolation but also of its preceding sentence(s) as the context. We compare seven different context representations including direct recurrent network (RNN) embeddings and several BERT-model based sentence embedding vectors. All experiments are evaluated with a new version 3.1 of the Czech question answering benchmark dataset SQAD wit h possible multiple correct answers as a new feature. The comparison shows that the BERT-based sentence embeddings are able to offer the best context representations reaching the mean average precision results of 83.39% which is a new best score for this dataset.
Návaznosti
LM2018101, projekt VaV | Název: Digitální výzkumná infrastruktura pro jazykové technologie, umění a humanitní vědy (Akronym: LINDAT/CLARIAH-CZ) | Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, LINDAT/CLARIAH-CZ - Digitální výzkumná infrastruktura pro jazykové technologie, umění a humanitní vědy |
|
MUNI/A/1195/2021, interní kód MU | Název: Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence | Investor: Masarykova univerzita, Aplikovaný výzkum v oblastech vyhledávání, analýz a vizualizací rozsáhlých dat, zpracování přirozeného jazyka a aplikované umělé inteligence |
|
Zobrazeno: 4. 11. 2024 11:23