SRLGRN：基于语义角色标注图的推理网络
计算与语言
2020-11-19 v2
摘要
本工作致力于解决多跳问答（QA）的学习与推理难题。我们提出一种基于句子语义结构的图推理网络，以学习跨段落推理路径，并联合找出支撑事实与答案。所提出的图是一种异构文档级图，包含句子类型节点（问题、标题及其他句子），以及每个句子的语义角色标注子图——其中论元作为节点、谓词作为边。将论元类型、论元短语以及源自 SRL 谓词的边语义融入图编码器，有助于发现推理路径并提升其可解释性。在 HotpotQA 干扰项设定基准上，我们提出的方法相较于近期最先进（SOTA）模型表现出具有竞争力的性能。
引用
@article{arxiv.2010.03604,
title = {SRLGRN: Semantic Role Labeling Graph Reasoning Network},
author = {Chen Zheng and Parisa Kordjamshidi},
journal= {arXiv preprint arXiv:2010.03604},
year = {2020}
}
备注
Accepted by EMNLP 2020