利用术语库回答复杂问题：稀疏向量的案例
信息检索
2017-04-13 v1 计算与语言
机器学习
摘要
虽然开放域问答(QA)系统已被证明能有效回答简单问题，但它们难以应对更复杂的问题。我们的目标是在不引发支持QA的知识资源构建的显著成本的情况下，可靠地回答更复杂的问题。一种随时可用的知识资源是术语库，列举领域中的关键概念。我们开发了一种无监督学习方法，通过用数千个专门向量空间表示术语知识，来利用术语库指导QA系统。在复杂科学问题的实验中，我们表明该方法显著优于几种最先进的QA系统，证明可以从领域术语的连续向量表示中获得显著杠杆作用。
引用
@article{arxiv.1704.03543,
title = {Leveraging Term Banks for Answering Complex Questions: A Case for Sparse Vectors},
author = {Peter D. Turney},
journal= {arXiv preprint arXiv:1704.03543},
year = {2017}
}
备注
Related datasets can be found at http://allenai.org/data.html