面向需离散推理阅读理解的多类型多跨度网络
计算与语言
2019-09-02 v2
摘要
阅读理解与问答领域已取得快速进展，若干系统在部分简化设定下已达到人类同等水平。然而，当这些模型应用于更现实的场景时，性能显著下降，例如答案涉及多种类型、多个文本串为正确答案，或需要离散推理能力。本文中，我们引入多类型多跨度网络（MTMSN），一种神经阅读理解模型，其将支持多种答案类型（如跨度、计数、否定和算术表达式）的多类型答案预测器与用于动态生成一个或多个文本跨度的多跨度抽取方法相结合。此外，提出一种算术表达式重排序机制，对表达式候选进行排序以进一步确认预测。实验表明，我们的模型在 DROP 隐藏测试集上取得 79.9 F1，创造了新的 SOTA 结果。源代码\footnote{\url{https://github.com/huminghao16/MTMSN}} 已发布以促进未来工作。
引用
@article{arxiv.1908.05514,
title = {A Multi-Type Multi-Span Network for Reading Comprehension that Requires Discrete Reasoning},
author = {Minghao Hu and Yuxing Peng and Zhen Huang and Dongsheng Li},
journal= {arXiv preprint arXiv:1908.05514},
year = {2019}
}
备注
To appear at EMNLP-IJCNLP 2019