面向复杂问答的子问题排序学习
计算与语言
2019-11-13 v2 人工智能
摘要
回答涉及多个实体与关系的复杂问题是一项具有挑战性的任务。从逻辑上讲，复杂问题的答案应通过将该复杂问题分解为多个简单子问题并逐一回答这些子问题来推导。已有工作遵循了这一策略，但未尝试优化这些子问题的回答顺序。因此，子问题以任意顺序被回答，导致搜索空间更大且更易遗漏答案。本文提出一种新颖的强化学习（RL）方法来回答复杂问题，该方法能够学习一种策略，在推理的每个阶段动态决定应回答哪个子问题。我们利用期望价值-方差准则使所学策略在回答子问题的风险与效用之间取得平衡。实验结果表明，该 RL 方法能显著提升子问题排序的最优性，从而提高问答准确率。所提出的子问题排序学习方法是通用的，因此有望与许多现有复杂问答方法结合以提升其性能。
引用
@article{arxiv.1911.04065,
title = {Learning to Order Sub-questions for Complex Question Answering},
author = {Yunan Zhang and Xiang Cheng and Yufeng Zhang and Zihan Wang and Zhengqi Fang and Xiaoyan Wang and Zhenya Huang and Chengxiang Zhai},
journal= {arXiv preprint arXiv:1911.04065},
year = {2019}
}