답변 전에 근거 고르기
개방형 질의응답에서는 많은 문서 가운데 답을 담을 만한 단락을 먼저 찾아야 한다. DPR은 이 후보 문맥 선택을 밀집 표현만으로 수행하는 접근을 제시했다.
두 인코더의 표현
단순한 이중 인코더 프레임워크에서 질문과 단락의 임베딩을 학습한다. 기존 TF-IDF나 BM25의 희소 표현과 달리 학습한 밀집 벡터로 관련 단락을 비교한다.
단락 검색의 평가
논문은 여러 개방형 질의응답 자료에서 상위 20개 단락의 검색 정확도를 비교했다. 검색 단계의 평가는 답변 생성 결과와 구별되는 중간 단계의 성능이다.
전체 질의응답과의 연결
연구는 DPR을 전체 질의응답 시스템에 연결한 결과도 평가했다. 관련 근거를 잘 찾는 것은 답변에 도움이 되지만 검색 모델 자체가 최종 답을 작성하는 역할을 맡는 것은 아니다.
관련 문서
BM25 / Mr TyDi / RocketQA / Contriever / 검색 증강 생성 / 정보 검색