为小学科学问题答案的解释进行事实排序

在多项选择考试中，学生从通常的四个选项中选择一个答案，并能解释为什么做出该特定选择。学生擅长理解自然语言问题，并基于其领域知识能够通过“串联”各种相关事实轻松推断出问题的答案。考虑到小学科学问答的自动推理，我们解决了从人工编写的事实中为答案生成解释这一新颖任务。为此，我们研究了利用领域定向的、手工制作特征的丰富特征支持向量机的实用可扩展框架。解释是从 WorldTree 语料库中近 5,000 个候选事实的人工标注集合中创建的。我们的目标是在可用的事实候选中，为问题的正确答案的解释中的有效事实获得更好的匹配。为此，我们的特征提供了全面的语言和语义统一范式。该机器学习问题是事实的偏好排序，我们测试了逐点回归与成对学习排序。我们的贡献是：（1）一个系统比较两种偏好排序方法的案例研究；（2）这是一种实用的、胜任的方法，其性能可以超越一些基于 BERT 的重排序模型变体；（3）人工设计的特征使其成为该任务中可解释的机器学习模型。