利用文档图网络识别多跳问答中的支撑事实
人工智能
2019-10-02 v1 计算与语言
信息检索
机器学习
摘要
阅读理解的最新进展已产生在答案包含于单一连续文本段落时超越人类表现的模型。然而，复杂的问答（QA）通常需要多跳推理——即整合来自不同来源的支撑事实以推断正确答案。本文提出文档图网络（DGN），一种用于在文本图结构表示上识别支撑事实的消息传递架构。在HotpotQA上的评估表明，与基于原始文本运行的阅读理解基线相比，DGN取得了有竞争力的结果，证实了结构化表示对支撑多跳推理的相关性。
引用
@article{arxiv.1910.00290,
title = {Identifying Supporting Facts for Multi-hop Question Answering with Document Graph Networks},
author = {Mokanarangan Thayaparan and Marco Valentino and Viktor Schlegel and Andre Freitas},
journal= {arXiv preprint arXiv:1910.00290},
year = {2019}
}