勿让历史困扰你——缓解对话式问答中的复合误差
信息检索
2020-05-13 v1 计算与语言
摘要
对话式问答（Conversational Question Answering, CoQA）任务涉及回答关于上下文段落的一系列相互关联的对话问题。尽管现有方法在测试时采用人工编写的真实答案来回答对话问题，但在实际场景中，CoQA 模型将无法获取先前问题的真实答案，从而迫使模型依赖自身先前预测的答案来回答后续问题。在本文中，我们发现在测试时使用先前预测的答案会产生复合误差，显著降低了 CoQA 系统的性能。为解决此问题，我们提出了一种采样策略，在训练期间动态地在目标答案和模型预测之间进行选择，从而紧密模拟测试时的情况。此外，我们分析了该现象的严重程度与问题类型、对话长度和领域类型之间的关系。
引用
@article{arxiv.2005.05754,
title = {Do not let the history haunt you -- Mitigating Compounding Errors in Conversational Question Answering},
author = {Angrosh Mandya and James O'Neill and Danushka Bollegala and Frans Coenen},
journal= {arXiv preprint arXiv:2005.05754},
year = {2020}
}