Geri Dön

Semi-automatic prompting approach with question decomposition for multi-hop question answering

Çoklu adımlı soru cevaplama için soru parçalama ile yarı otomatik istemleme yaklaşımı

PDF İndir

  1. Tez No: 827002
  2. Yazar: ARİF OZAN KIZILDAĞ
  3. Danışmanlar: PROF. DR. TUĞBA TAŞKAYA TEMİZEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İstem mühendisliği büyük dil modellerinin yardımıyla çeşitli uygulamalar için geniş bir bilgiye kolay erişim sağlar. Ancak, çoklu adımlı soru cevaplama konusunda bu yaklaşımı kullanan sınırlı araştırma yapılmıştır. Bu tez, iki adımlı soruları cevaplamak için yeni bir yarı otomatik istem yöntemi tanıtmaktadır. Yöntem, eğitim kümesinden cevap adlı varlıkları gruplayarak ve düşünce zinciri prensibi kullanarak otomatik olarak seçilen örneklerle bir istem oluşturmayı içerir. Sonuçlar, MuSiQue veri kümesinde ince ayarlı modellere kıyasla benzer performans göstermektedir. Ablasyon çalışmaları, önerilen yöntemdeki her bileşenin etkinliğini daha da doğrulamaktadır. Bu yaklaşım, diğer son teknoloji tekniklerle aynı düzeyde performansı korurken daha karmaşık çoklu adımlı soru-cevaplama sistemlerine uygulanma potansiyeline sahiptir.

Özet (Çeviri)

With the help of large language models, prompt engineering enables easy access to vast knowledge for various applications. However, limited research has been done on multi-hop question answering using this approach. This thesis introduces a new semi-automatic prompting method for answering two-hop questions. The method involves creating a prompt with automatically selected examples by grouping answer-named entities from the training set and using a chain-of-thought principle. The results demonstrate comparable performance to fine-tuned models on the MuSiQue dataset. Ablation studies further validate the effectiveness of each component in the proposed method. The approach has the potential to be applied to more complex multi-hop question-answering systems while upholding performance on par with other state-of-the-art techniques.

Geri Dön