面向多跳问答的语义句子组合推理
计算与语言
2022-03-02 v1 人工智能
信息检索
摘要
由于数据不足，现有的多跳开放域问答系统需要有效地根据每个问题找出相关的支撑事实。为缓解语义事实句检索与多跳上下文扩展的挑战，我们提出一种用于多跳问答任务的语义句子组合推理方法，其包含两个关键模块：多阶段语义匹配模块（MSSM）和事实句组合模块（FSC）。通过事实句与多阶段语义检索的结合，我们的方法能为模型训练与推理提供更全面的上下文信息。实验结果表明，我们的模型能够结合现有的预训练语言模型，并在 QASC 任务上以约 9% 的提升优于现有的 SOTA 方法。
引用
@article{arxiv.2203.00160,
title = {Semantic Sentence Composition Reasoning for Multi-Hop Question Answering},
author = {Qianglong Chen},
journal= {arXiv preprint arXiv:2203.00160},
year = {2022}
}
备注
Accepted at CCIE 2021