检索并阅读：信息检索与阅读理解的多任务学习
计算与语言
2018-09-03 v1 信息检索
摘要
本研究考虑大规模机器阅读（MRS）任务，其中给定一个问题，系统首先在知识源中执行信息检索（IR）任务以找到相关段落，然后执行阅读理解（RC）任务从段落中抽取答案片段。以往的 MRS 研究中，IR 组件在训练时未考虑答案片段，难以从大量段落中准确找到少量相关段落。在本文中，我们提出一种简单而有效的方法，通过监督式多任务学习将 IR 与 RC 任务结合起来，使得 IR 组件在训练时能够考虑答案片段。在标准基准上使用完整 Wikipedia 作为知识源回答 SQuAD 问题的实验结果表明，我们的模型达到了最先进的性能。此外，我们使用新的日语数据集和 SQuAD 对模型各组件的独立贡献进行了深入评估。结果显示 IR 任务有显著改进，并为面向 RC 的 IR 提供了新视角：教导段落中哪一部分回答了问题，而非仅给出整段的相关性分数，是有效的。
引用
@article{arxiv.1808.10628,
title = {Retrieve-and-Read: Multi-task Learning of Information Retrieval and Reading Comprehension},
author = {Kyosuke Nishida and Itsumi Saito and Atsushi Otsuka and Hisako Asano and Junji Tomita},
journal= {arXiv preprint arXiv:1808.10628},
year = {2018}
}
备注
10 pages, 6 figure. Accepted as a full paper at CIKM 2018