QA2Explanation：面向知识图谱问答系统的解释生成与评估
计算与语言
2020-10-19 v1
摘要
在大知识图谱时代，问答（QA）系统的性能与可行性已达到一个里程碑。然而，由于其“黑箱”特性损害了 QA 系统的透明性、公平性与可问责性，其适用性——尤其在诸如生物医学领域等特定领域中——尚未获得广泛认可。因此，用户无法理解特定问题为何被回答而另一些却失败。为应对这一挑战，本文提出了一种在基于流水线的 QA 系统各阶段自动生成解释的方法。我们的方法是一种有监督的自动方法，将所涉及的 QA 组件的输出标注为三类（即成功、无答案和错误答案）。根据我们的预测，选取模板解释并整合进相应组件的输出中。为衡量该方法的有效性，我们开展了一项用户调查，以了解非专家用户对我们所生成解释的感受。研究结果显示，来自人机交互领域的人的因素的四个维度均有显著提升。
引用
@article{arxiv.2010.08323,
title = {QA2Explanation: Generating and Evaluating Explanations for Question Answering Systems over Knowledge Graph},
author = {Saeedeh Shekarpour and Abhishek Nadgeri and Kuldeep Singh},
journal= {arXiv preprint arXiv:2010.08323},
year = {2020}
}
备注
Accepted in IntEx-SemPar: Interactive and Executable Semantic Parsing EMNLP 2020 Workshop