QUDSELECT：用于问题讨论解析的选择性解码
计算与语言
2024-08-05 v1
摘要
问题讨论（QUD）是一种话语框架，使用隐含问题来揭示句子之间的话语关系。在QUD解析中，将每个句子视为来自先前上下文中锚句触发的问题的答案。 resulting QUD结构必须符合若干理论标准，如答案兼容性（问题被解答的程度），这使得QUD解析具有挑战性。以前的工作以流水线方式构建QUD解析器（即检测上下文中的触发句，然后生成问题）。然而，这些解析器缺乏对整个任务的整体视图，难以满足所有标准。在本工作中，我们引入QUDSELECT，一个联合训练框架，用于考虑QUD标准的选择性解码QUD依赖结构。通过指令调谐，我们训练模型同时预测锚句并生成相关问题。为显式包含标准，我们采用采样多个QUD候选者，然后通过标准评分器选择最佳者的选择性解码策略。在人类评估中，我们的方法相对于最新基线模型提高了9%，在自动评估中提高了4%，表明了该框架的有效性。
引用
@article{arxiv.2408.01046,
title = {QUDSELECT: Selective Decoding for Questions Under Discussion Parsing},
author = {Ashima Suvarna and Xiao Liu and Tanmay Parekh and Kai-Wei Chang and Nanyun Peng},
journal= {arXiv preprint arXiv:2408.01046},
year = {2024}
}
备注
11 Pages, 5 figures