基于层次化问题分解树的推理以实现可解释问答
计算与语言
2023-05-25 v1
摘要
可解释问答（XQA）旨在回答给定问题并提供答案被选中的解释。现有XQA方法聚焦于单一知识源上的推理，例如结构化知识库、非结构化语料等。然而，集成异构知识源的信息对回答复杂问题至关重要。本文提出利用问题分解实现异构知识集成，将复杂问题拆解为较简单子问题，并为每个子问题选择合适的知识源。为便于推理，我们提出一种新颖的两阶段XQA框架——层次化问题分解树推理（RoHT）。首先，我们构建层次化问题分解树（HQDT）以理解复杂问题的语义；随后，我们从根到叶递归地在HQDT上进行概率推理，以聚合不同树层的异构知识，并综合考虑分解与回答概率搜索最优解。在复杂问答数据集KQA Pro与Musique上的实验表明，我们的框架显著优于SOTA方法，证明了利用问题分解进行知识集成及RoHT框架的有效性。
引用
@article{arxiv.2305.15056,
title = {Reasoning over Hierarchical Question Decomposition Tree for Explainable Question Answering},
author = {Jiajie Zhang and Shulin Cao and Tingjia Zhang and Xin Lv and Jiaxin Shi and Qi Tian and Juanzi Li and Lei Hou},
journal= {arXiv preprint arXiv:2305.15056},
year = {2023}
}
备注
has been accepted by ACL2023