基于自然语言推理的澄清问题排序
机器学习
2020-08-19 v1 人工智能
信息检索
机器学习
摘要
给定自然语言查询，教机器提出澄清问题在实际自然语言处理系统中具有巨大效用。此类交互可帮助填补信息缺口，以更好地让机器理解查询。对于澄清问题排序任务，我们假设判定某个澄清问题是否涉及给定帖子（如StackExchange等问答论坛）中缺失的条目可被视为自然语言推理（NLI）的一种特例，其中帖子和最相关的澄清问题都指向一个共享的潜在信息或上下文。我们通过将基于NLI和Multi-NLI数据集微调的Siamese BERT模型的表示整合进我们的模型来验证该假设，并证明我们性能最佳的模型在StackExchange数据集的两个评估集上，关键指标Precision@1相对于最先进基线分别获得了40%和60%的相对性能提升，从而显著超越了最先进水平。
引用
@article{arxiv.2008.07688,
title = {Ranking Clarification Questions via Natural Language Inference},
author = {Vaibhav Kumar and Vikas Raunak and Jamie Callan},
journal= {arXiv preprint arXiv:2008.07688},
year = {2020}
}
备注
Accepted at CIKM 2020