远程监督证据检索实现无需证据标注的问答
计算与语言
2021-10-12 v1
摘要
开放域问答基于从大规模语料中检索到的证据来回答问题。最先进的神经方法需要中间证据标注用于训练。然而，此类中间标注代价高昂，且依赖它们的方法无法迁移到更常见的仅提供问答对的设定。本文研究模型是否能在仅以答案标签作为远程监督进行训练的情况下，从大规模语料中学习寻找证据，从而产生无额外标注成本。我们引入一种新方法（DistDR），其通过交替从最新模型寻找证据并鼓励模型学习最可能证据，来迭代地改进一个弱检索器。在不使用任何证据标签的情况下，DistDR 在多跳与单跳 QA 基准上均与全监督最先进方法持平。我们的分析确认 DistDR 随迭代找到更准确的证据，从而带来模型改进。
引用
@article{arxiv.2110.04889,
title = {Distantly-Supervised Evidence Retrieval Enables Question Answering without Evidence Annotation},
author = {Chen Zhao and Chenyan Xiong and Jordan Boyd-Graber and Hal Daumé},
journal= {arXiv preprint arXiv:2110.04889},
year = {2021}
}
备注
EMNLP 2021