QED：问答系统解释框架与数据集
计算与语言
2020-09-15 v1 人工智能
摘要
问答系统除提供答案外还给出导出该答案的推理解释，在可调试性、可扩展性与可信度方面具有潜在优势。为此，我们提出 QED，一个语言学驱动、可扩展的问答解释框架。QED 解释依据指称同一性、成句性与蕴涵等形式语义概念来规定问题与答案间的关系。我们描述并公开发布了一个构建于 Google Natural Questions 数据集子集之上的专家标注 QED 解释数据集，并报告了两项任务的基线模型——给定答案的事后解释生成，以及联合问答与解释生成。在联合设定下，一个令人鼓舞的结果表明，在相对较少的 QED 数据上训练即可改进问答。除阐述 QED 方法的正式语言理论动机外，我们还描述了一项大规模用户研究，显示 QED 解释的存在显著提升了未经训练评分者发现强大神经 QA 基线所犯错误的能。
引用
@article{arxiv.2009.06354,
title = {QED: A Framework and Dataset for Explanations in Question Answering},
author = {Matthew Lamm and Jennimaria Palomaki and Chris Alberti and Daniel Andor and Eunsol Choi and Livio Baldini Soares and Michael Collins},
journal= {arXiv preprint arXiv:2009.06354},
year = {2020}
}