[論文レビュー] KorQuAD1.0: Korean QA Dataset for Machine Reading Comprehension

Seungyoung Lim, Myungji Kim+1 more|arXiv (Cornell University)|Sep 16, 2019

Topic Modeling参考文献 7被引用数 37

ひとこと要約

KorQuAD1.0 は、MRC 研究を前進させるために韓国語 Wikipedia に基づく 70,000+ 件以上の人間が作成した質問・回答ペアを含む大規模な韓国語抽出型 QA データセットを導入します。

ABSTRACT

Machine Reading Comprehension (MRC) is a task that requires machine to understand natural language and answer questions by reading a document. It is the core of automatic response technology such as chatbots and automatized customer supporting systems. We present Korean Question Answering Dataset(KorQuAD), a large-scale Korean dataset for extractive machine reading comprehension task. It consists of 70,000+ human generated question-answer pairs on Korean Wikipedia articles. We release KorQuAD1.0 and launch a challenge at https://KorQuAD.github.io to encourage the development of multilingual natural language processing research.

研究の動機と目的

• 韓国語における堅牢な機械読解研究を動機づけ、促進する。
• 評価とモデル開発を支援するための韓国語の大規模で人間が作成した抽出型QAデータセットを提供する。
• KorQuAD1.0 を公開し、チャレンジを開催することで多言語NLP研究を促進する。

提案手法

• 70,000+ 件以上の人間が作成した質問–回答ペアを含む大規模な韓国語 QA データセットを構築する。
• タスクを韓国語 Wikipedia の記事における抽出型機械読解としてフォーマットする。
• KorQuAD1.0 を公に公開し、NLP 研究を促進するためのチャレンジを開始する。

実験結果

リサーチクエスチョン

• RQ1 モデルは韓国語 Wikipedia のパッセージに対して抽出型 QA をどれだけうまく実行できるか？
• RQ2 このデータセットは韓国語の多言語NLP研究および評価の進展を促進できるか？
• RQ3 KorQuAD1.0 が韓国語のMRCの資源として、どのようなベンチマークとベースラインを生み出すか？

主な発見

• このデータセットは韓国語 Wikipedia の記事に対して 70,000+ 件以上の人間が作成した質問–回答ペアを含む。
• KorQuAD1.0 は QA タスクにおける多言語NLP研究を支援し、動機づけるためにリリースされる。
• データセット公開後には、韓国語の MRC モデル開発を促進するためのチャレンジが開始される。