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

Autoři

MEDVEĎ, Marek (703 Slovensko, garant, domácí), Aleš HORÁK (203 Česká republika) a Radoslav SABOL (703 Slovensko)

Vydání

Portugal, Proceedings of the 14th International Conference on Agents and Artificial Intelligence (ICAART), od s. 388-394, 7 s. 2022

Nakladatel

SCITEPRESS

Další údaje

Jazyk

angličtina

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

ISBN

978-989-758-547-0

UT WoS

000774776400046

Klíčová slova anglicky

Question Answering; Answer Context; Answer Selection; Czech; Sentece Embeddings; RNN; BERT

Štítky

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 14. 5. 2024 12:44, RNDr. Pavel Šmerk, Ph.D.

Anotace

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