由粗至精:面向开放域常识问答的语义相关知识探寻
计算与语言
2021-07-06 v1
摘要
利用外部知识来帮助机器回答需要背景常识的问题十分普遍,但这面临一个问题:无限的知识会传递噪声和误导性信息。针对引入相关知识的问题,我们提出了一种语义驱动的知识感知问答框架,以由粗至精的方式控制知识注入。我们设计了一种裁剪策略,在知识抽取阶段于问题粗粒度语义的监控下过滤所抽取的知识。并且我们开发了一个语义感知的知识获取模块,该模块结合结构化知识信息,并按问题的细粒度语义以分层方式融合恰当的知识。实验表明,与强基线相比,所提方法在 CommonsenseQA 数据集上提升了性能。
引用
@article{arxiv.2107.01592,
title = {Coarse-to-Careful: Seeking Semantic-related Knowledge for Open-domain Commonsense Question Answering},
author = {Luxi Xing and Yue Hu and Jing Yu and Yuqiang Xie and Wei Peng},
journal= {arXiv preprint arXiv:2107.01592},
year = {2021}
}
备注
In ICASSP2021