面向自然反向问答的深度人类答案理解
计算与语言
2020-12-01 v2 人工智能
机器学习
摘要
本研究关注一种反向问答（QA）流程，其中机器主动提出问题而人类提供答案。该流程存在于许多真实的人机交互应用中。然而，人机交互中的一个关键问题是答案理解。现有方案依赖强制选项词选择以避免自动答案理解，但这些方案导致了不自然的人机交互并负面影响用户体验。为此，本研究提出一种用于反向 QA 的新型深度答案理解网络，称为 AntNet。该网络由三个新模块组成，即问题的骨架注意力、答案的相关性感知表示以及基于多跳的融合。由于反向 QA 的答案理解尚未被探索，本研究构建了一个新的语料库。实验结果表明，我们提出的网络显著优于现有方法以及从经典自然语言处理深度模型修改而来的方法。三个新模块的有效性也得到了验证。
引用
@article{arxiv.1912.00398,
title = {Deep Human Answer Understanding for Natural Reverse QA},
author = {Rujing Yao and Linlin Hou and Lei Yang and Jie Gui and Qing Yin and Ou Wu},
journal= {arXiv preprint arXiv:1912.00398},
year = {2020}
}