面向长尾知识的自动问答生成
计算与语言
2024-03-05 v1
摘要
预训练大型语言模型（LLMs）在解决开放域问答（QA）方面引起了广泛关注。虽然它们在回答与常识相关的问题时表现出高准确性，但LLMs在学习不常见的长期尾知识（尾实体）方面遇到困难。由于手动构建QA数据集需要大量人力资源，现有QA数据集的类型有限，导致我们缺乏研究LLMs在尾实体上性能的数据集。在本文中，我们提出了一种自动方法，为尾实体生成专门的QA数据集，并介绍了相关的研究挑战。我们通过在新生成的长尾QA数据集上使用预训练LLMs进行了大量实验，比较了它们在有和没有外部资源（包括维基百科和维基数据知识图谱）的情况下的性能。
引用
@article{arxiv.2403.01382,
title = {Automatic Question-Answer Generation for Long-Tail Knowledge},
author = {Rohan Kumar and Youngmin Kim and Sunitha Ravi and Haitian Sun and Christos Faloutsos and Ruslan Salakhutdinov and Minji Yoon},
journal= {arXiv preprint arXiv:2403.01382},
year = {2024}
}
备注
Accepted at KDD 2023 KnowledgeNLP