用于零样本问答的自监督知识三元组学习
计算与语言
2020-09-21 v2 人工智能
机器学习
摘要
所有问答（QA）系统的目标均在于能够泛化至未见问题。当前的监督方法依赖昂贵的数据标注。此外，此类标注可能引入无意的标注者偏差，使系统更关注偏差而非实际任务。本工作中，我们提出知识三元组学习（KTL），一种基于知识图谱的自监督任务。我们提出启发式方法为常识与科学知识构建合成图谱。我们提出如何利用 KTL 执行零样本问答的方法，且实验显示相较大型预训练 transformer 模型有显著改进。
引用
@article{arxiv.2005.00316,
title = {Self-supervised Knowledge Triplet Learning for Zero-shot Question Answering},
author = {Pratyay Banerjee and Chitta Baral},
journal= {arXiv preprint arXiv:2005.00316},
year = {2020}
}
备注
Accepted to EMNLP 2020 Long Papers