EviDR：面向推理式机器阅读理解的证据强调离散推理
计算与语言
2021-10-27 v2
摘要
推理式机器阅读理解（R-MRC）旨在回答需要基于文本进行离散推理的复杂问题。为支持离散推理，证据（通常是描述与问题相关事实的简洁文本片段，包括主题实体与属性值）是从问题到答案的关键线索。然而，以往达到最先进（state-of-the-art）性能的端到端方法很少通过充分强调证据建模来解决该问题，错失了进一步提升 R-MRC 模型推理能力的机会。为缓解上述问题，本文提出一种证据强调的离散推理方法（EviDR），其中首先基于远程监督检测句子级与从句级证据，随后用于驱动一个以关系异构图卷积网络实现的推理模块以推导答案。我们在 DROP（段落上的离散推理）数据集上进行了充分实验，结果证明了所提方法的有效性。此外，定性分析验证了所提证据强调离散推理在 R-MRC 上的能力。
引用
@article{arxiv.2108.07994,
title = {EviDR: Evidence-Emphasized Discrete Reasoning for Reasoning Machine Reading Comprehension},
author = {Yongwei Zhou and Junwei Bao and Haipeng Sun and Jiahui Liang and Youzheng Wu and Xiaodong He and Bowen Zhou and Tiejun Zhao},
journal= {arXiv preprint arXiv:2108.07994},
year = {2021}
}
备注
12 pages, 1 figure and 5 tables