面向对话式开放域问答的多方面改进
计算与语言
2022-04-04 v1 信息检索
摘要
开放域问答（OpenQA）是文本问答的一个重要分支，它基于大量非结构化文档为给定问题寻找答案。从开放域来源中有效挖掘正确答案仍有相当长的路要走。现有 OpenQA 系统可能受限于问题复杂性与歧义性，以及背景知识不足等问题。近来，对话式 OpenQA 被提出以利用对话中丰富的上下文信息来解决这些问题。尽管前景可期，其仍存在若干根本性局限，包括不准确的问题理解、用于段落选择的粗粒度排序，以及训练与推理阶段中黄金段落使用的不一致。为缓解这些局限，本文提出一个具有多方面改进的对话式开放域问答框架（MICQA）。具体而言，MICQA 具有三个显著优势。第一，所提出的基于 KL 散度的正则化能够带来更好的用于检索与答案阅读的问题理解。第二，增加的重排序模块能以双方面约束将更相关的段落推至顶端并被阅读器选中。第三，精心设计的课程学习策略有效缩小了训练与推理的黄金段落设置之间的差距，并鼓励阅读器在无黄金段落辅助下找到真实答案。在公开数据集 OR-QuAC 上开展的广泛实验证明了 MICQA 优于对话式 OpenQA 任务中的最先进模型。
引用
@article{arxiv.2204.00266,
title = {Multifaceted Improvements for Conversational Open-Domain Question Answering},
author = {Tingting Liang and Yixuan Jiang and Congying Xia and Ziqiang Zhao and Yuyu Yin and Philip S. Yu},
journal= {arXiv preprint arXiv:2204.00266},
year = {2022}
}