Rider：面向开放域问答的读者引导式段落重排序
计算与语言
2021-08-10 v3 人工智能
信息检索
摘要
当前的开放域问答系统通常遵循检索器-阅读器（Retriever-Reader）架构，即检索器先检索相关段落，阅读器再阅读检索到的段落以形成答案。本文提出一种简单而有效的段落重排序方法，称为读者引导式重排序器（Reader-guIDEd Reranker，RIDER），它不涉及训练，仅基于重排序前阅读器的顶部预测对检索到的段落进行重排序。我们表明，尽管简单，RIDER在无需精化检索器或阅读器的情况下，取得了10至20个绝对点的top-1检索准确率提升和1至4的精确匹配（EM）提升。此外，RIDER在没有任何训练的情况下，优于最先进的基于Transformer的监督重排序器。值得注意的是，在段落重排序后仅使用1,024个词元（平均7.8个段落）作为阅读器输入时，RIDER在Natural Questions数据集上取得48.3 EM，在TriviaQA数据集上取得66.4 EM。
引用
@article{arxiv.2101.00294,
title = {Rider: Reader-Guided Passage Reranking for Open-Domain Question Answering},
author = {Yuning Mao and Pengcheng He and Xiaodong Liu and Yelong Shen and Jianfeng Gao and Jiawei Han and Weizhu Chen},
journal= {arXiv preprint arXiv:2101.00294},
year = {2021}
}
备注
Minor format updates. TLDR: Reranking retrieved passages by reader predictions can achieve 10~20 gains in top-1 retrieval accuracy and 1~4 gains in Exact Match (EM) without any training