著者

小柳 隆人 Kotaro YAMAMOTO 鈴木 健太郎 君塚 涼

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第34回全国大会(2020)

巻号頁・発行日

pp.4Q2GS901, 2020 (Released:2020-06-19)

---

Open-Domain Question-Answeringは機械読解と情報検索の複合タスクであり,通常のQuestion Answeringのタスクと異なり,質問の解答を含む文献データがないため,文献候補を発見する必要がある.本論文ではこのタスクの解決のために,1. 機械読解学習データに基づくクエリの拡張,2. 機械読解の出力活性化関数のsigmoid化,3. 機械読解スコアのマージとランキングの3つのアプローチを提案する.評価実験では文献データを取り除いた日本語の質問応答データセットを用い,従来の手法を適用した場合に比べ,提案手法の回答精度が向上したことで提案手法の有効性を示す.