面向多跳问答的以实体为中心的多步信息检索
计算与语言
2019-09-18 v1
摘要
多跳问答（QA）要求信息检索（IR）系统能找到回答该问题所需的多个支撑证据，使检索过程极具挑战性。本文提出一种IR技术，利用初始检索证据中出现的实体信息来学习“跳”至其他相关证据。在超过500万篇维基百科段落的设定下，我们的方法显著提升了检索性能。所检索的证据还将现有QA模型（无需任何训练）在Hotpot基准上的性能提升了10.59个F1。
引用
@article{arxiv.1909.07598,
title = {Multi-step Entity-centric Information Retrieval for Multi-Hop Question Answering},
author = {Ameya Godbole and Dilip Kavarthapu and Rajarshi Das and Zhiyu Gong and Abhishek Singhal and Hamed Zamani and Mo Yu and Tian Gao and Xiaoxiao Guo and Manzil Zaheer and Andrew McCallum},
journal= {arXiv preprint arXiv:1909.07598},
year = {2019}
}