QAConv：基于信息性对话的问答
计算与语言
2022-04-18 v2 人工智能
信息检索
摘要
本文介绍 QAConv，一个使用对话作为知识源的新问答（QA）数据集。我们关注信息性对话，包括商务邮件、小组讨论和工作频道。与开放域和任务型对话不同，这些对话通常较长、复杂、异步，并涉及强领域知识。我们总共从 10,259 段选定对话中收集了 34,608 个问答对，包含人工撰写和机器生成的问题。我们使用问题生成器和对话摘要器作为辅助工具来收集和推荐问题。该数据集有两种测试场景：块模式和全模式，取决于是否提供或检索到对应的局部对话。实验结果表明，最先进的预训练 QA 系统在零样本性能上有限，并倾向于将我们的问题预测为不可回答。我们的数据集提供了一个新的训练和评估测试平台，以促进基于对话的问答研究。
引用
@article{arxiv.2105.06912,
title = {QAConv: Question Answering on Informative Conversations},
author = {Chien-Sheng Wu and Andrea Madotto and Wenhao Liu and Pascale Fung and Caiming Xiong},
journal= {arXiv preprint arXiv:2105.06912},
year = {2022}
}
备注
ACL 2022. Data and code are available at https://github.com/salesforce/QAConv