面向开放域问答的知识引导文本检索与阅读
计算与语言
2020-04-14 v2 人工智能
摘要
我们提出了一种用于开放域问答（QA）的方法，该方法检索并阅读一个段落图，其中顶点为文本段落，边表示由外部知识库推导出的关系或在同一文章中的共现关系。我们的目标是通过使用知识引导检索找到比文本匹配方法更相关的段落来提升覆盖率，并通过允许跨相关段落进行更好的知识引导信息融合来提高准确率。我们的图检索方法通过遍历知识库的图结构来扩展一组种子关键词检索到的段落。我们的阅读器扩展了基于 BERT 的架构，并通过从相关段落及其关系传播信息来更新段落表示，而不是孤立地阅读每个段落。在三个开放域 QA 数据集 WebQuestions、Natural Questions 和 TriviaQA 上的实验表明，相较于非图基线，绝对性能提升了 2-11%。我们的方法在每种情况下都达到或超过了 SOTA，且未使用昂贵的端到端训练机制。
引用
@article{arxiv.1911.03868,
title = {Knowledge Guided Text Retrieval and Reading for Open Domain Question Answering},
author = {Sewon Min and Danqi Chen and Luke Zettlemoyer and Hannaneh Hajishirzi},
journal= {arXiv preprint arXiv:1911.03868},
year = {2020}
}