面向阅读理解问答的对话式答案生成与事实性
计算与语言
2021-03-12 v1
摘要
问答（QA）是语音助手的重要用例。QA 的一种流行方法是抽取式阅读理解（RC），即在文本段落中寻找答案跨度。然而，抽取式答案在对话语境中常不自然，导致次优的用户体验。本工作中，我们研究面向 QA 的对话式答案生成。我们提出 AnswerBART，一种端到端生成式 RC 模型，将来自多段落的答案生成与段落排序及可答性相结合。此外，应用生成式 RC 的障碍是幻觉，即答案与段落文本事实不一致。我们利用近期摘要方面的工作来评估事实性。实验表明，AnswerBART 在 MS MARCO 2.1 NLGEN 上以 2.5 ROUGE-L、在 NarrativeQA 上以 9.4 ROUGE-L 显著优于先前最佳发表结果。
引用
@article{arxiv.2103.06500,
title = {Conversational Answer Generation and Factuality for Reading Comprehension Question-Answering},
author = {Stan Peshterliev and Barlas Oguz and Debojeet Chatterjee and Hakan Inan and Vikas Bhardwaj},
journal= {arXiv preprint arXiv:2103.06500},
year = {2021}
}