快速且（并不那么）粗糙：多跳问答中无监督论证句选择
计算与语言
2020-05-05 v2
摘要
我们提出一种无监督策略，用于多跳问答（QA）中论证句的选择，该策略（a）最大化所选句子的相关性，（b）最小化所选事实间的重叠，以及（c）最大化对问题与答案的覆盖。此种无监督句子选择方法可与任意有监督QA方法结合。我们表明，由本方法所选句子提升了最优有监督QA模型在两个多跳QA数据集上的性能：AI2推理挑战（ARC）与多句阅读理解（MultiRC）。我们在未使用外部资源训练QA系统的诸方法中，于两个数据集上均取得新的最优性能：ARC上56.82% F1（Challenge上41.24%，Easy上64.49%）以及MultiRC上26.1% EM0。我们的论证句质量高于强信息检索基线所选论证句，例如在MultiRC上F1高出5.4%。我们还表明，我们的无监督论证句选择比最优有监督句子选择方法跨域更为稳定。
引用
@article{arxiv.1911.07176,
title = {Quick and (not so) Dirty: Unsupervised Selection of Justification Sentences for Multi-hop Question Answering},
author = {Vikas Yadav and Steven Bethard and Mihai Surdeanu},
journal= {arXiv preprint arXiv:1911.07176},
year = {2020}
}
备注
Published at EMNLP-IJCNLP 2019 as long conference paper. Corrected the name reference for Speer et.al, 2017