Web规模下的原位答案句选择
计算与语言
2022-01-19 v1
摘要
当前应用于开放域问答（ODQA）的答案句选择（AS2）通过排序从检索文本中提取的大量可能候选（即句子）来选取答案。在本文中，我们提出基于段落的原位抽取答案句（PEASI），一种为Web规模场景优化的AS2新设计，其无需逐个处理每个候选即可计算答案。具体而言，我们设计了一个基于Transformer的框架，联合（i）对为问题检索到的段落重新排序，以及（ii）从顶部段落中原位识别可能答案。我们在多任务学习框架下训练PEASI，以鼓励各组件（段落重排器与基于段落的答案句抽取器）之间的特征共享。为便于开发，我们构建了一个新的Web来源大规模QA数据集，包含针对60,000多个问题的800,000多个带标注段落/句子。实验表明，我们提出的设计在准确率上以6.51%有效优于当前AS2的最优设定，即独立排序句子的逐点模型，从48.86%提升至55.37%。此外，PEASI在计算答案句时极为高效，仅需约20%的推理量，而标准设定需重排所有候选。我们相信PEASI及其数据集与所提设计的发布，能推动Web规模问答服务部署的研究与开发。
引用
@article{arxiv.2201.05984,
title = {In Situ Answer Sentence Selection at Web-scale},
author = {Zeyu Zhang and Thuy Vu and Alessandro Moschitti},
journal= {arXiv preprint arXiv:2201.05984},
year = {2022}
}