通过关联话语单元与关键短语建模层级推理链用于机器阅读理解
计算与语言
2023-06-22 v1 机器学习
摘要
机器阅读理解（MRC）在逻辑推理方面提出了新的挑战，其旨在理解给定语境中隐含的逻辑关系并对其进行推理。由于逻辑的复杂性，逻辑关系存在于不同的粒度层级。然而，现有大多数逻辑推理方法单独关注实体感知或基于话语的信息，却忽略了可能甚至具有相互影响的层级关系。在本文中，我们提出一种整体图网络（HGN），它在话语层级和词语层级上同时处理语境，作为逻辑推理的基础，以提供更细粒度的关系抽取。具体而言，节点级和类型级关系可解释为推理过程中的桥梁，通过一种层级交互机制进行建模，以提升 MRC 系统的可解释性。在逻辑推理问答数据集（ReClor 和 LogiQA）以及自然语言推理数据集（SNLI 和 ANLI）上的实验结果表明了我们所提方法的有效性与泛化能力，深入分析验证了其理解复杂逻辑关系的能力。
引用
@article{arxiv.2306.12069,
title = {Modeling Hierarchical Reasoning Chains by Linking Discourse Units and Key Phrases for Reading Comprehension},
author = {Jialin Chen and Zhuosheng Zhang and Hai Zhao},
journal= {arXiv preprint arXiv:2306.12069},
year = {2023}
}
备注
Accepted at COLING 2022, 9 pages