DoQA——通过对话式问答访问领域特定FAQ
计算与语言
2020-09-08 v2
摘要
本工作的目标是为FAQ站点中大量可用的领域特定信息构建对话式问答（QA）接口。我们提出DoQA，一个包含2,437段对话和10,917个问答对的数据集。这些对话使用Wizard of Oz方法通过众包从三个Stack Exchange站点收集。与先前工作相比，DoQA包含明确界定的信息需求，导致更连贯自然的对话、更少的事实型问题，并且是多领域的。此外，我们引入了一种更真实的信息检索（IR）场景，其中系统需要在任意FAQ文档中找到答案。一个已有的强系统的结果表明，得益于从Wikipedia QA数据集的迁移学习以及在单一FAQ领域上的微调，无需领域内训练数据即可构建高质量的FAQ对话式QA系统。良好的结果延续到了更具挑战性的IR场景中。在这两种情况下，如更高的人工上限所示，仍有充足的改进空间。
引用
@article{arxiv.2005.01328,
title = {DoQA -- Accessing Domain-Specific FAQs via Conversational QA},
author = {Jon Ander Campos and Arantxa Otegi and Aitor Soroa and Jan Deriu and Mark Cieliebak and Eneko Agirre},
journal= {arXiv preprint arXiv:2005.01328},
year = {2020}
}
备注
Accepted at ACL 2020. 13 pages 4 figures