一种基于 DeBERTa 的金融问答任务新模型
计算与语言
2022-07-14 v1
摘要
作为自然语言处理领域的新星，问答系统（Q&A Systems）被广泛应用于各行各业。与其他场景相比，金融场景下的应用对问答系统的可追溯性与可解释性有较强需求。此外，由于对人工智能技术的需求已逐渐从最初的计算智能转向认知智能，本研究主要关注金融数值推理数据集 FinQA。在该共享任务中，目标是根据给定包含文本与表格的财务报告生成推理程序与最终答案。我们采用基于 DeBERTa 预训练语言模型的方法，并在此基础上辅以多模型融合、训练集组合等优化方法。我们最终取得了 68.99 的执行准确率与 64.53 的程序准确率，在 2022 年 FinQA Challenge 中排名第 4。
引用
@article{arxiv.2207.05875,
title = {A Novel DeBERTa-based Model for Financial Question Answering Task},
author = {Yanbo J. Wang and Yuming Li and Hui Qin and Yuhang Guan and Sheng Chen},
journal= {arXiv preprint arXiv:2207.05875},
year = {2022}
}
备注
6 pages,3 figures,conference