Red Dragon AI 在 TextGraphs 2021 共享任务：通过匹配专家评分实现多跳推理解释再生
计算与语言
2021-07-29 v1 人工智能
信息检索
摘要
为科学问题的答案创建解释是一项具有挑战性的任务，需要对大量事实句进行多跳推理。今年，为了将 Textgraphs 共享任务重新聚焦于收集相关陈述的问题（而非仅寻找单一“正确路径”），WorldTree 数据集被扩充了专家对每条整体解释中陈述“相关性”的评分。我们的系统在该共享任务排行榜上获得第二名，其结合了初始陈述检索、训练用于预测相关性评分的语言模型，以及对若干所得排序的集成。我们的代码实现发布于 https://github.com/mdda/worldtree_corpus/tree/textgraphs_2021
引用
@article{arxiv.2107.13031,
title = {Red Dragon AI at TextGraphs 2021 Shared Task: Multi-Hop Inference Explanation Regeneration by Matching Expert Ratings},
author = {Vivek Kalyan and Sam Witteveen and Martin Andrews},
journal= {arXiv preprint arXiv:2107.13031},
year = {2021}
}
备注
Accepted paper for TextGraphs-15 workshop at NAACL 2021. (5 pages including references)