多风格生成式阅读理解
计算与语言
2019-05-28 v2
摘要
本研究解决了生成式阅读理解(RC)，其包含基于文本证据和自然语言生成(NLG)回答问题。我们提出了一种用于问答的多风格抽象摘要模型，称为Masque。所提模型具有两个关键特征。首先，与大多数聚焦于从所给段落中抽取答案跨度的RC研究不同，我们的模型转而聚焦于从问题和多个段落生成摘要。这旨在覆盖现实世界应用所需的各种答案风格。其次，由于难以获得一个通用模型，以往研究为每个答案风格构建特定模型，而我们的方法在一个模型内学习多风格答案，以提升所涉及所有风格的NLG能力。这也使我们的模型能以目标风格给出答案。实验表明，我们的模型在MS MARCO 2.1的问答任务和问答+NLG任务以及NarrativeQA的摘要任务上达到了最先进性能。我们观察到独立于风格的NLG能力向目标风格的迁移是其成功的关键。
引用
@article{arxiv.1901.02262,
title = {Multi-style Generative Reading Comprehension},
author = {Kyosuke Nishida and Itsumi Saito and Kosuke Nishida and Kazutoshi Shinoda and Atsushi Otsuka and Hisako Asano and Junji Tomita},
journal= {arXiv preprint arXiv:1901.02262},
year = {2019}
}
备注
Accepted as a long paper at ACL 2019