利用精选辅助信息增强 COVID-19 社区问答
信息检索
2021-01-28 v1 人机交互
摘要
Reddit、Yahoo! Answers 或 Quora 等社区问答与讨论平台为用户提供了向广大受众提出开放式问题的灵活性，此类问题的回复在某些主题（如健康、体育或金融）上可能对用户和社区都有用。鉴于近期围绕 COVID-19 的事件，其中部分平台已吸引用户提出 2000 多个关于该疾病多方面的问题。考虑到该疾病对公众的影响，本文研究改进 COVID-19 用户生成答案排序的方法。我们特别探讨了外部技术类辅助信息源（如 CDC 指南或 WHO 常见问题）在改善此类平台答案排序中的效用。我们发现仅基于问答相似度对用户答案排序并不充分，且现有模型无法有效利用外部（辅助）信息。本文展示了不同基于注意力的神经模型的有效性，这些模型可直接利用技术文档或已验证论坛（如 COVID-19 研究出版物或 WHO 网站）中的辅助信息。结合温度机制后，基于注意力的神经模型能在对答案排序时，针对给定用户问题选择性地确定辅助信息的相关性。
引用
@article{arxiv.2101.11556,
title = {Powering COVID-19 community Q&A with Curated Side Information},
author = {Manisha Verma and Kapil Thadani and Shaunak Mishra},
journal= {arXiv preprint arXiv:2101.11556},
year = {2021}
}