RikiNet:基于维基百科页面阅读的自然问题问答模型
计算与语言
2020-05-01 v1
摘要
阅读长文档以回答开放域问题在自然语言理解中仍具挑战性。本文提出一种名为 RikiNet 的新模型,该模型通过阅读维基百科页面来进行自然问题问答。RikiNet 包含一个动态段落双注意力阅读器和一个多级级联答案预测器。该阅读器利用一组互补的注意力机制动态表示文档与问题。随后将这些表示输入预测器,以级联方式获得短答案的跨度、长答案的段落以及答案类型。在 Natural Questions (NQ) 数据集上,单个 RikiNet 在长答案和短答案任务上分别取得 74.3 F1 和 57.9 F1。据我们所知,这是首个超越单人类表现的单模型。此外,集成 RikiNet 在长答案和短答案任务上分别取得 76.1 F1 和 61.3 F1,在官方 NQ 排行榜上取得最佳性能。
引用
@article{arxiv.2004.14560,
title = {RikiNet: Reading Wikipedia Pages for Natural Question Answering},
author = {Dayiheng Liu and Yeyun Gong and Jie Fu and Yu Yan and Jiusheng Chen and Daxin Jiang and Jiancheng Lv and Nan Duan},
journal= {arXiv preprint arXiv:2004.14560},
year = {2020}
}
备注
Accepted at ACL 2020