QAInfomax：通过互信息最大化学习鲁棒问答系统
计算与语言
2019-09-04 v1 人工智能
机器学习
机器学习
摘要
标准准确率指标表明，现代阅读理解系统在诸多问答数据集上已取得强劲性能。然而，这些系统真正理解语言的程度仍属未知，且现有系统不擅长区分干扰句——这些句子看似相关但实际上并未回答问题。为解决此问题，我们提出 QAInfomax，作为一种通过最大化段落、问题及其答案间互信息来对阅读理解系统进行正则化的方法。QAInfomax 有助于约束模型，使其不简单地学习用于回答问题的表层相关性。实验表明，我们提出的 QAInfomax 在基准 Adversarial-SQuAD 数据集上取得了最先进的性能。
引用
@article{arxiv.1909.00215,
title = {QAInfomax: Learning Robust Question Answering System by Mutual Information Maximization},
author = {Yi-Ting Yeh and Yun-Nung Chen},
journal= {arXiv preprint arXiv:1909.00215},
year = {2019}
}
备注
EMNLP 2019 short paper