排序段落以提升开放域问答中的答案召回率
计算与语言
2018-10-02 v1 机器学习
摘要
近来，开放域问答（QA）已与机器理解模型结合，以在大型知识源中查找答案。由于开放域 QA 需要从文本语料库中检索相关文档来回答问题，其性能在很大程度上依赖于文档检索器的性能。然而，由于传统信息检索系统难以有效获取高含答案概率的文档，它们降低了 QA 系统的性能。简单地抽取更多文档会增加不相关文档的数量，同样也会使 QA 系统性能下降。在本文中，我们引入段落排序器（Paragraph Ranker），它对检索文档的段落进行排序，以在更少噪声下获得更高答案召回率。我们表明，使用段落排序器对段落排序并聚合答案，在四个开放域 QA 数据集上将开放域 QA 流水线性能平均提升 7.8%。
引用
@article{arxiv.1810.00494,
title = {Ranking Paragraphs for Improving Answer Recall in Open-Domain Question Answering},
author = {Jinhyuk Lee and Seongjun Yun and Hyunjae Kim and Miyoung Ko and Jaewoo Kang},
journal= {arXiv preprint arXiv:1810.00494},
year = {2018}
}
备注
EMNLP 2018