PACIFIC：面向金融领域表格与文本数据的主动式对话问答
计算与语言
2023-03-21 v2
摘要
为推进金融领域混合上下文下的对话问答（CQA），我们提出一个名为 PACIFIC 的新数据集。与现有 CQA 数据集相比，PACIFIC 具有三个关键特征：（i）主动性，（ii）数值推理，以及（iii）表格与文本的混合型上下文。据此定义了一项新任务，用于研究主动式对话问答（PCQA），其结合了澄清问题生成与 CQA。此外，我们提出了一种新方法 UniPCQA，将 PCQA 中输入输出内容的混合格式适配为 Seq2Seq 问题，包括将数值推理过程重构为代码生成。UniPCQA 对 PCQA 中所有子任务进行多任务学习，并引入简单的集成策略，通过交叉验证前 k 个采样的 Seq2Seq 输出，缓解多任务学习中的错误传播问题。我们以大量基线对 PACIFIC 数据集进行基准测试，并对 PCQA 各子任务给出全面评估。
引用
@article{arxiv.2210.08817,
title = {PACIFIC: Towards Proactive Conversational Question Answering over Tabular and Textual Data in Finance},
author = {Yang Deng and Wenqiang Lei and Wenxuan Zhang and Wai Lam and Tat-Seng Chua},
journal= {arXiv preprint arXiv:2210.08817},
year = {2023}
}
备注
Accepted by EMNLP 2022 (main conference)