先辨析后作答：生成对比解释作为常识问答知识
计算与语言
2023-05-23 v2 人工智能
摘要
现有的知识增强方法通过从不同知识库中获取多样化知识，已在某些问答任务上取得显著成果。然而，受限于所检索知识的性质，这些方法仍难以同时受益于知识的相关性与辨析性。为应对该挑战，我们提出 CPACE，一种以概念为中心的基于提示的对比解释生成模型，旨在将获得的符号知识转化为对比解释，以更好地区分给定候选答案之间的差异。首先，遵循先前工作，我们利用以概念为中心的知识抽取模块检索不同类型的符号知识。随后，我们利用所获符号知识与解释提示作为引导，生成相应的对比解释，以更好地建模知识辨析性与可解释性。最后，我们将生成的对比解释视为外部知识用于下游任务增强。我们在三个广泛使用的问答数据集 CSQA、QASC 和 OBQA 上进行了一系列实验。实验结果表明，在生成的对比解释的帮助下，我们的 CPACE 模型在 CSQA 上取得了新的 SOTA（测试集 89.8%，比人类表现高 0.9%），并在 QASC 和 OBQA 上获得显著提升（分别提升 4.2% 和 3.5%）。
引用
@article{arxiv.2305.08135,
title = {Distinguish Before Answer: Generating Contrastive Explanation as Knowledge for Commonsense Question Answering},
author = {Qianglong Chen and Guohai Xu and Ming Yan and Ji Zhang and Fei Huang and Luo Si and Yin Zhang},
journal= {arXiv preprint arXiv:2305.08135},
year = {2023}
}
备注
Accepted to ACL2023(Findings). The Camera-ready Version