PReGAN：基于弱监督 GAN 的面向答案的段落排序
计算与语言
2022-07-06 v1 人工智能
信息检索
摘要
除了主题相关性外，开放域事实型问答的段落排序还要求段落包含答案（可答性）。尽管近期少数研究将一定的阅读能力引入排序器以考虑可答性，但该排序器仍受限于该领域通常可用的训练数据的噪声性质，后者将任何包含答案实体的段落视为正样本。然而，段落中的答案实体未必针对所给问题被提及。为解决该问题，我们提出一种称为 PReGAN 的方法，用于基于生成对抗网络（Generative Adversarial Neural networks）的段落重排序，其在主题相关性判别器之外还引入了一个可答性判别器。目标是迫使生成器将主题相关且含答案的段落排得更靠前。在五个公开数据集上的实验表明，PReGAN 能更好地对恰当段落排序，进而提升问答系统的效果，并在不使用外部数据的情况下优于现有方法。
引用
@article{arxiv.2207.01762,
title = {PReGAN: Answer Oriented Passage Ranking with Weakly Supervised GAN},
author = {Pan Du and Jian-Yun Nie and Yutao Zhu and Hao Jiang and Lixin Zou and Xiaohui Yan},
journal= {arXiv preprint arXiv:2207.01762},
year = {2022}
}