不止于阅读理解：文本问答数据集与评测指标综述
计算与语言
2022-02-07 v2 人工智能
摘要
文本问答(QA)旨在利用非结构化数据以自然语言为用户问题提供精确答案。实现该目标最流行的方法之一是机器阅读理解(MRC)。近年来，针对更广泛的文本问答任务，许多基于经典MRC任务的新型数据集和评测指标被提出。本文调研了47个近期文本问答基准数据集，并从应用角度提出了一种新的分类法。此外，我们总结了8种文本问答任务的评测指标。最后，我们讨论了当前构建文本问答基准的趋势并给出了未来工作的方向。
引用
@article{arxiv.2109.12264,
title = {More Than Reading Comprehension: A Survey on Datasets and Metrics of Textual Question Answering},
author = {Yang Bai and Daisy Zhe Wang},
journal= {arXiv preprint arXiv:2109.12264},
year = {2022}
}
备注
18 pages, 11 figures, 6 tables