BookQA：挑战与机遇述评
计算与语言
2019-10-03 v1
摘要
我们提出了一个基于书籍全文（BookQA）回答问题的系统，该系统首先针对给定问题筛选书籍段落，随后使用记忆网络进行推理并预测答案。为提升泛化能力，我们使用由书籍句子生成的人工问题对记忆网络进行预训练。我们在最近发布的 NarrativeQA 语料库上进行了实验，针对期望以书中角色为答案的 Who 类问题子集。我们通过实验表明，基于 BERT 的检索与预训练显著优于基线结果。同时，我们确认 NarrativeQA 是一个极具挑战性的数据集，要实现高精度的 BookQA 结果尚需新颖的研究。我们分析了当前方法的一些瓶颈，并指出在文本表示、相关段落检索以及包含常识知识的推理方面仍需更多研究。
引用
@article{arxiv.1910.00856,
title = {BookQA: Stories of Challenges and Opportunities},
author = {Stefanos Angelidis and Lea Frermann and Diego Marcheggiani and Roi Blanco and Lluís Màrquez},
journal= {arXiv preprint arXiv:1910.00856},
year = {2019}
}
备注
Accepted at 2nd Workshop on Machine Reading for Question Answering (MRQA), EMNLP 2019