ET5：一种用于对话式机器阅读理解的端到端新框架
计算与语言
2022-09-26 v1
摘要
对话式机器阅读理解（CMRC）旨在帮助计算机理解自然语言文本，并随后进行多轮对话以回答与该文本相关的问题。现有方法通常需要三步：（1）基于蕴涵推理的决策；（2）若上述决策需要则进行片段抽取；（3）基于抽取片段的问题改写。然而，几乎所有这些方法中的片段抽取与问题改写步骤因其相对独立性，无法充分利用决策步骤中的细粒度蕴涵推理信息，这会进一步拉大决策与问题表述之间的信息鸿沟。为此，我们提出一种基于共享参数机制的对话式机器阅读理解端到端新框架，称为蕴涵推理T5（ET5）。尽管所提框架轻量，实验结果表明ET5在ShARC排行榜上以55.2的BLEU-4得分取得了新的SOTA结果。我们的模型与代码已公开于 https://github.com/Yottaxx/ET5。
引用
@article{arxiv.2209.11484,
title = {ET5: A Novel End-to-end Framework for Conversational Machine Reading Comprehension},
author = {Xiao Zhang and Heyan Huang and Zewen Chi and Xian-Ling Mao},
journal= {arXiv preprint arXiv:2209.11484},
year = {2022}
}
备注
Accepted by COLING2022