クローズドメイン質問応答におけるバイアスの除去による精度向上に関する研究

カテゴリ: 全国大会

論文No: 3-089

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): A Study on Improving Accuracy by Eliminating bias in Closed-Main Question Answering

著者名: 時井駿（徳島大学）,松本和幸（徳島大学）,吉田稔（徳島大学）

著者名(英語): Tokii Shun (Graduate School of the University of Tokushima),Matsumoto Kazuyuki (Graduate School of the University of Tokushima),Yoshida Minoru (Graduate School of the University of Tokushima)

キーワード: 質問応答|Question Answering

要約(日本語): 近年の自然言語処理のタスクにおいてBERTなどのモデルが高い精度を挙げている。与えられたコンテキストから回答を予測するクローズドメイン質問応答というタスクでも研究が進んでおり，精度向上が見られる。しかし，様々なデータセットの作成手順の違いから質問形式やコンテキストの特徴に差が生まれ，学習が偏ってしまう傾向がある。そこで複数のデータセットを組み合わせデータのバイアスの除去を試みる。加えて，アンサンブル学習を行うことで過学習を防ぎ汎化性能をあげたクローズドメイン質問応答のモデルを作成し比較実験により効果検証を行う。

本誌掲載ページ: 130-131 p

原稿種別: 日本語

PDFファイルサイズ: 343 Kバイト