PerkwE_COQA：结合上下文关键词提取与大型语言模型增强波斯语对话问答
计算与语言
2024-04-16 v2 人工智能
摘要
智慧城市需要居民的参与以提高生活质量。对话式问答是用户参与的一种新兴方法。对超越经典系统的高级对话问答的需求日益增加。现有方法表明，LLM 为 CQA 提供了有前景的能力，但可能难以捕捉对话上下文的细微差别。新方法涉及理解内容并与用户进行多步对话以满足其需求。本文提出了一种新方法来提升波斯语对话问答（CQA）系统的性能。它结合了大型语言模型（LLM）与上下文关键词提取的优势。我们的方法提取特定于对话流程的关键词，为 LLM 提供额外的上下文以理解用户意图，并生成更相关和连贯的回复。我们通过各种指标评估了这种组合方法的有效性，表明与仅使用 LLM 的基线相比，CQA 性能有显著改善。所提出的方法有效地处理隐式问题，提供上下文相关的答案，并解决严重依赖对话上下文的复杂问题。研究结果表明，我们的方法优于评估基准，比现有方法和仅使用 LLM 的基线高出 8%。
引用
@article{arxiv.2404.05406,
title = {PerkwE_COQA: Enhanced Persian Conversational Question Answering by combining contextual keyword extraction with Large Language Models},
author = {Pardis Moradbeiki and Nasser Ghadiri},
journal= {arXiv preprint arXiv:2404.05406},
year = {2024}
}