ODSQA:开放域口语问答数据集
计算与语言
2018-08-08 v1
摘要
机器的阅读理解已被广泛研究,但机器对口语内容的理解仍是一个较少被探讨的问题。本文发布包含三千余问题的开放域口语问答数据集(ODSQA)。据我们所知,这是最大的真实口语问答(SQA)数据集。在该数据集上,我们发现 ASR 错误对 SQA 具有灾难性影响。为减轻 ASR 错误的影响,引入了子词单元,在所有模型上带来了一致的提升。我们进一步发现,基于文本的问答训练样本的数据增强可改善 SQA。
引用
@article{arxiv.1808.02280,
title = {ODSQA: Open-domain Spoken Question Answering Dataset},
author = {Chia-Hsuan Lee and Shang-Ming Wang and Huan-Cheng Chang and Hung-Yi Lee},
journal= {arXiv preprint arXiv:1808.02280},
year = {2018}
}