Red Dragon AI 参加 TextGraphs 2020 共享任务：LIT：用于多跳解释排序的 LSTM 交错 Transformer
计算与语言
2020-12-29 v1 人工智能
信息检索
摘要
科学问题的可解释问答是一项具有挑战性的任务，需要在一大组事实句子上进行多跳推理。为了克服孤立看待每个查询-文档对的方法的局限性，我们提出了 LSTM-Interleaved Transformer，它结合了跨文档交互以改进多跳排序。LIT 架构可以在重排序设置中利用先前的排序位置。我们的模型在 TextGraphs 2020 共享任务的当前排行榜上具有竞争力，实现了 0.5607 的测试集 MAP，如果我们在比赛截止日期前提交，将获得第三名。我们的代码实现可在 https://github.com/mdda/worldtree_corpus/tree/textgraphs_2020 获取。
关键词
引用
@article{arxiv.2012.14164,
title = {Red Dragon AI at TextGraphs 2020 Shared Task: LIT : LSTM-Interleaved Transformer for Multi-Hop Explanation Ranking},
author = {Yew Ken Chia and Sam Witteveen and Martin Andrews},
journal= {arXiv preprint arXiv:2012.14164},
year = {2020}
}
备注
Accepted paper for TextGraphs-14 workshop at COLING 2020. (6 pages including references)