QuAC：上下文中的问答
计算与语言
2018-08-29 v3 人工智能
机器学习
摘要
我们提出 QuAC，一个用于上下文问答（Question Answering in Context）的数据集，包含 14K 个信息寻求型问答对话（共计 100K 个问题）。对话涉及两名众包工人：（1）一名学生，提出一系列自由形式问题以尽可能多地了解一段隐藏的维基百科文本；（2）一名教师，通过提供文本中的简短摘录来回答问题。QuAC 引入了现有机器理解数据集中未见的挑战：如我们在详细定性评估中所展示的，其问题往往更开放、不可答，或仅在对话上下文中才有意义。我们还报告了若干参考模型的结果，包括一个近期最先进的阅读 comprehension 架构扩展至建模对话上下文的版本。我们的最佳模型在 F1 上落后人类 20 分，表明在该数据上未来工作仍有显著空间。数据集、基线与排行榜可在 http://quac.ai 获取。
引用
@article{arxiv.1808.07036,
title = {QuAC : Question Answering in Context},
author = {Eunsol Choi and He He and Mohit Iyyer and Mark Yatskar and Wen-tau Yih and Yejin Choi and Percy Liang and Luke Zettlemoyer},
journal= {arXiv preprint arXiv:1808.07036},
year = {2018}
}
备注
EMNLP Camera Ready