社区问答中答案选择与答案摘要生成的联合学习
计算与语言
2019-11-25 v1
摘要
社区问答（CQA）近年来在学术界和工业界都获得了日益增长的关注。然而，众包答案的冗余与冗长问题限制了答案选择的表现，并给社区用户带来阅读困难与误解。为解决这些问题，我们以一种新颖的联合学习模型处理 CQA 中的答案选择与答案摘要生成任务。具体而言，我们设计了一个问题驱动的指针生成网络，其利用问答对之间的相关性信息，在生成答案摘要时辅助关注本质信息。同时，我们利用答案摘要来缓解原始冗长答案中的噪声，当对问答对的相关程度排序时。此外，我们构建了一个新的大规模 CQA 语料库 WikiHowQA，其包含用于答案选择的较长答案以及用于答案摘要的参考摘要。实验结果表明，联合学习方法能有效解决 CQA 中的答案冗余问题，并在答案选择与文本摘要任务上均取得了最先进的结果。进一步，所提模型被证明对缺乏参考答案摘要的资源贫乏 CQA 任务具有极强的迁移能力与适用性。
引用
@article{arxiv.1911.09801,
title = {Joint Learning of Answer Selection and Answer Summary Generation in Community Question Answering},
author = {Yang Deng and Wai Lam and Yuexiang Xie and Daoyuan Chen and Yaliang Li and Min Yang and Ying Shen},
journal= {arXiv preprint arXiv:1911.09801},
year = {2019}
}
备注
Accepted by AAAI 2020 (oral)