ConvFinQA：探索对话式金融问答中的数值推理链
计算与语言
2022-10-11 v1
摘要
随着大预训练语言模型近期的进展，研究者在主要聚焦于语言模式匹配的自然语言处理任务上取得了创纪录的性能。社区正经历着从如何建模语言到模仿如人类般复杂推理能力的挑战转变。在这项工作中，我们研究了涉及真实世界复杂数值推理的金融应用领域。我们提出了一个新的大规模数据集ConvFinQA，旨在研究对话式问答中的数值推理链。我们的数据集在建模真实世界对话中的长程、复杂数值推理路径方面提出了巨大挑战。我们通过神经符号方法与基于提示的方法进行了全面的实验与分析，以揭示这两类方法的推理机制。我们相信我们的新数据集应作为推动真实世界复杂推理任务探索的宝贵资源，成为下一个研究焦点。我们的数据集与代码公开于 https://github.com/czyssrs/ConvFinQA。
引用
@article{arxiv.2210.03849,
title = {ConvFinQA: Exploring the Chain of Numerical Reasoning in Conversational Finance Question Answering},
author = {Zhiyu Chen and Shiyang Li and Charese Smiley and Zhiqiang Ma and Sameena Shah and William Yang Wang},
journal= {arXiv preprint arXiv:2210.03849},
year = {2022}
}
备注
EMNLP 2022