QuaRel：用于回答定性关系问题的数据集与模型
计算与语言
2018-11-21 v1
摘要
许多自然语言问题需要识别并推理定性关系（例如科学、经济学与医学中），但用基于语料库的方法难以回答。定性建模提供了支持此类推理的工具，但将这些问题映射至那些模型的语义解析任务面临巨大挑战。我们提出 QuaRel，一个包含涉及定性关系的多样化故事问题的数据集，这些问题刻画了上述挑战，以及初步应对这些挑战的技术。该数据集有 2771 个关联 19 种不同类型量的问题。例如：“Jenny 观察到机器人吸尘器在客厅地毯上比在卧室地毯上移动更慢。哪块地毯摩擦力更大？”我们贡献了：（1）一种简单灵活的概念框架来表示此类问题；（2）QuaRel 数据集，包含逻辑形式，例证了解析挑战；（3）针对该任务的两个新颖模型，构建为类型约束语义解析的扩展。其中第一个模型（称为 QuaSP+）在 QuaRel 上显著优于现成工具。第二个（QuaSP+Zero）展示了零样本能力，即无需额外训练数据即可处理新定性关系的能力，这是先前模型无法做到的。因此，本工作在向回答需要推理的复杂定性问题、并以低成本扩展到新关系方面取得了进展。数据集与模型可在 http://data.allenai.org/quarel 获取。
引用
@article{arxiv.1811.08048,
title = {QuaRel: A Dataset and Models for Answering Questions about Qualitative Relationships},
author = {Oyvind Tafjord and Peter Clark and Matt Gardner and Wen-tau Yih and Ashish Sabharwal},
journal= {arXiv preprint arXiv:1811.08048},
year = {2018}
}
备注
9 pages, AAAI 2019