S2M：将单轮数据集转换为多轮数据集用于对话问答
计算与语言
2023-12-29 v1 人工智能
摘要
为对话问答（CQA）提供数据增强可以有效提高模型性能。然而，由于单轮和多轮数据集之间的分布差距，单轮数据集在CQA中的改进较少。另一方面，虽然存在大量单轮数据集，但我们并未有效利用它们。为了解决这个问题，我们提出了一种将单轮数据集转换为多轮数据集的新方法。所提出的方法由三部分组成，即QA对生成器、QA对重组器和问题改写器。给定一个由上下文和单轮QA对组成的样本，生成器基于上下文获取候选QA对和知识图谱。重组器利用知识图谱获得顺序QA对，改写器从对话角度改写问题，以获得多轮数据集S2M。我们的实验表明，我们的方法可以为CQA合成有效的训练资源。值得注意的是，S2M在提交时（2022年8月24日）在QuAC排行榜上排名第一。
引用
@article{arxiv.2312.16511,
title = {S2M: Converting Single-Turn to Multi-Turn Datasets for Conversational Question Answering},
author = {Baokui Li and Sen Zhang and Wangshu Zhang and Yicheng Chen and Changlin Yang and Sen Hu and Teng Xu and Siye liu and Jiwei Li},
journal= {arXiv preprint arXiv:2312.16511},
year = {2023}
}