Új modell generál lekérdezéseket meglévő összefoglaló adathalmazokból
A Query-Focused Summarization (QFS) feladatokhoz szükséges nagyméretű adathalmazok hiányát orvosolja egy új, bizonyítékalapú modell, amely lekérdezéseket generál meglévő, lekérdezés nélküli adathalmazokból.
Egy friss kutatás szerint lehetséges automatikusan, bizonyítékalapú lekérdezéseket generálni olyan adathalmazokból, amelyek eredetileg nem tartalmaznak lekérdezéseket — írja az ArXiv-en megjelent tanulmány.
A modell a lekérdezés-fókuszú összefoglalás (QFS) feladatokhoz szükséges adatok hiányát enyhítheti. A kutatók két fő kérdést vizsgáltak: lehetséges-e bizonyítékalapú lekérdezéseket generálni lekérdezés nélküli adathalmazokból, és támogatja-e ez a megközelítés a QFS-feladatot. A válasz mindkét esetben igen.
A rendszer belső értékeléséhez két QFS-adathalmaz eredeti és a rendszer által generált lekérdezéseinek hasonlóságát hasonlították össze. Külső teljesítményét pedig különböző előre betanított modellekkel, valamint egy élvonalbeli QFS-modellel végzett összefoglaló feladatokkal mérték.
A kísérleti eredmények azt mutatják, hogy a bizonyítékalapú lekérdezésekkel generált összefoglalások versenyképes ROUGE-pontszámokat értek el, ami alátámasztja a módszer hatékonyságát a QFS-feladatoknál. A tanulmány a arXiv:2605.05392v1 számon érhető el.