面向多跳问答的分层图网络
计算与语言
2020-10-07 v4
摘要
在本文中，我们提出用于多跳问答的分层图网络（HGN）。为了聚合跨多个段落的分散文本中的线索，通过在不同粒度级别（问题、段落、句子、实体）上构建节点来创建分层图，其表示由预训练的上下文编码器初始化。给定该分层图，初始节点表示通过图传播进行更新，并通过遍历图边对每个后续子任务（例如段落选择、支持事实抽取、答案预测）执行多跳推理。通过将异构节点编织为统一的整体图，这种节点粒度的分层区分使 HGN 能够同时支持不同的问答子任务。在 HotpotQA 基准上的实验表明，所提出的模型达到了新的最优性能（state of the art），优于现有的多跳 QA 方法。
引用
@article{arxiv.1911.03631,
title = {Hierarchical Graph Network for Multi-hop Question Answering},
author = {Yuwei Fang and Siqi Sun and Zhe Gan and Rohit Pillai and Shuohang Wang and Jingjing Liu},
journal= {arXiv preprint arXiv:1911.03631},
year = {2020}
}
备注
Accepted to EMNLP 2020