HopRetriever：检索维基百科上的跳点以回答复杂问题
计算与语言
2021-01-01 v1
摘要
从大型文本语料库（如维基百科）中收集支撑证据对于开放域问答（QA）而言极具挑战。尤其是对于多跳开放域问答，需要将分散的证据片段汇集在一起以支持答案抽取。在本文中，我们提出一种新的检索目标——跳点（hop），以从维基百科收集用于复杂问答的隐藏推理证据。具体而言，本文将跳点定义为超链接与相应出站链接文档的组合。超链接被编码为提及嵌入（mention embedding），其建模了出站链接实体在文本上下文中被提及的结构化知识；相应的出站链接文档被编码为文档嵌入，代表其中的非结构化知识。据此，我们构建了HopRetriever，它通过检索维基百科上的跳点来回答复杂问题。在HotpotQA数据集上的实验表明，HopRetriever大幅优于先前已发表的证据检索方法。此外，我们的方法还能对证据收集过程提供可量化的解释。
引用
@article{arxiv.2012.15534,
title = {HopRetriever: Retrieve Hops over Wikipedia to Answer Complex Questions},
author = {Shaobo Li and Xiaoguang Li and Lifeng Shang and Xin Jiang and Qun Liu and Chengjie Sun and Zhenzhou Ji and Bingquan Liu},
journal= {arXiv preprint arXiv:2012.15534},
year = {2021}
}
备注
Accepted at AAAI 2021