view in publisher's site

Conversational semantic parsing over tables by decoupling and grouping actions

In this article, we present a new approach for answering a series of simple but inter-related questions over a table by mapping them to the corresponding SQLs. We follow the sequence-to-action paradigm and contribute two innovations: (1) an improved action space. We decouple some actions from existing work because they were jointly deciding unrelated query components, and group some actions with one neural network feature extractor as they were seeking the same aspect of information from the question and table. We also extend the equal action to match multiple cells under a column with a key word or phrase. (2) a simplified scoring model. For question-table encoder, we incorporate BERT to enhance the detection of reference and ellipsis, thus better resolve conversations. For action decoder, we adopt simple feed-forward neural networks to avoid heuristically designed features. We achieve competitive performance on the SequentialQA dataset. Further studies show the effectiveness of each part proposed in our approach.


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Software
  • ترجمه مقاله Software
  • مقاله نرم‌افزار
  • ترجمه مقاله نرم‌افزار
  • مقاله Information Systems and Management
  • ترجمه مقاله Information Systems and Management
  • مقاله سیستم‌های اطلاعاتی و مدیریت
  • ترجمه مقاله سیستم‌های اطلاعاتی و مدیریت
  • مقاله Artificial Intelligence
  • ترجمه مقاله Artificial Intelligence
  • مقاله هوش مصنوعی
  • ترجمه مقاله هوش مصنوعی
  • مقاله Management Information Systems
  • ترجمه مقاله Management Information Systems
  • مقاله مدیریت سیستم‌های اطلاعاتی
  • ترجمه مقاله مدیریت سیستم‌های اطلاعاتی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.