一种面向开放式常识问答的图引导推理方法
计算与语言
2023-03-21 v1 机器学习
摘要
近来，针对多选常识问答（QA）的端到端训练模型已取得可喜结果。然而，此类问答系统无法直接应用于未提供候选答案的真实场景。因此，近期发布了一个面向开放式常识推理（OpenCSR）的新基准挑战集，其包含无预定义选项的自然科学问题。在 OpenCSR 挑战集上，许多问题需要隐式多跳推理且决策空间巨大，反映了该任务的困难本质。现有 OpenCSR 工作仅聚焦于改进从文本知识库抽取相关事实句子的检索过程，将重要且非平凡的推理任务置于范围之外。本工作中，我们将范围扩展至包含一个推理器：其基于检索到的支撑事实构建依赖于问题的开放知识图，并采用序贯子图推理过程预测答案。该子图可视为对预测简洁紧凑的图形化解释。在两个 OpenCSR 数据集上的实验表明，所提模型在基准 OpenCSR 数据集上取得了优异性能。
引用
@article{arxiv.2303.10395,
title = {A Graph-Guided Reasoning Approach for Open-ended Commonsense Question Answering},
author = {Zhen Han and Yue Feng and Mingming Sun},
journal= {arXiv preprint arXiv:2303.10395},
year = {2023}
}