通过推理链进行多跳问答
计算与语言
2021-06-08 v2 人工智能
摘要
多跳问答要求模型从文本的不同部分收集信息以回答问题。当前多数方法以端到端方式用神经网络处理该任务，而不维护推理过程的显式表示。我们提出一种方法，从文本中抽取离散推理链，该链由一系列导向答案的句子组成。随后我们将抽取的链输入基于 BERT 的 QA 模型以进行最终答案预测。关键在于，我们不依赖黄金标注的链或“支持事实”：在训练时，我们使用基于命名实体识别与指代消解的启发式方法推导伪黄金推理链。测试时我们也不依赖这些标注，因为我们的模型学会了仅从原始文本抽取链。我们在两个近期提出的大型多跳问答数据集 WikiHop 和 HotpotQA 上测试了我们的方法，在 WikiHop 上取得 SOTA 性能，在 HotpotQA 上取得强劲性能。我们的分析显示了对于高性能至关重要的链的性质：特别是，顺序建模抽取很重要，以上下文感知方式处理每个候选句子也很重要。此外，人工评估表明，我们抽取的链使人工能以高置信度给出答案，表明这些是该项任务的强中间抽象。
引用
@article{arxiv.1910.02610,
title = {Multi-hop Question Answering via Reasoning Chains},
author = {Jifan Chen and Shih-ting Lin and Greg Durrett},
journal= {arXiv preprint arXiv:1910.02610},
year = {2021}
}