一种用于对话式开放域问答的图引导多轮检索方法
计算与语言
2021-04-20 v1 信息检索
摘要
近年来，对话智能体在人们日常生活中提供了自然便捷的有用信息获取途径，同时也带来了一个广泛的新研究课题——对话式问答（QA）。在流行的对话式 QA 任务中，对话式开放域 QA 需要从 Web 检索相关段落以抽取精确答案，其实用性更强但研究较少。主要挑战在于如何良好捕捉并充分探索对话中的历史上下文，以促进有效的大规模检索。当前工作主要利用历史问题来精炼当前问题或增强其表示，然而同一对话中历史答案与当前答案之间的关系对该任务同样关键，却完全被忽视。为解决此问题，我们提出一种新颖的图引导检索方法，对跨对话轮次的答案间关系建模。具体而言，它利用从超链接相连的段落导出的段落图（包含历史答案与潜在当前答案）来检索更相关段落，以供后续答案抽取。此外，为在历史上下文中收集更多互补信息，我们还提出引入多轮相关性反馈技术，以探索检索上下文对当前问题理解的影响。在公开数据集上的实验结果验证了所提方法的有效性。值得注意的是，在使用预测历史答案与真实历史答案时，F1 分数分别提升了 5% 与 11%。
引用
@article{arxiv.2104.08443,
title = {A Graph-guided Multi-round Retrieval Method for Conversational Open-domain Question Answering},
author = {Yongqi Li and Wenjie Li and Liqiang Nie},
journal= {arXiv preprint arXiv:2104.08443},
year = {2021}
}