基于表格的事实核查与自适应专家混合方法
人工智能
2022-04-20 v1 计算与语言
机器学习
摘要
基于表格的事实核查任务近年来受到广泛关注，但仍是一个极具挑战性的问题。它本质上需要对自然语言进行信息推理，并对表格进行不同的数值与逻辑推理（例如计数、最高级、比较）。考虑到这一点，我们利用专家混合方法，在本文中提出一种新方法：自适应专家混合网络（SaMoE）。具体而言，我们构建了一个专家混合神经网络来识别并执行不同类型的推理——该网络由多个专家组成，每个专家处理推理语义的特定部分，同时应用一个管理模块来决定每个专家网络对核查结果的贡献。我们开发了一种自适应方法，可在无外部知识的情况下更有效地教导管理模块组合不同专家的结果。实验结果表明，我们的框架在基准数据集 TabFact 上取得了 85.1% 的准确率，与先前的最先进（state-of-the-art）模型相当。我们希望我们的框架能作为基于表格核查的新基线。我们的代码可在 https://github.com/THUMLP/SaMoE 获取。
引用
@article{arxiv.2204.08753,
title = {Table-based Fact Verification with Self-adaptive Mixture of Experts},
author = {Yuxuan Zhou and Xien Liu and Kaiyin Zhou and Ji Wu},
journal= {arXiv preprint arXiv:2204.08753},
year = {2022}
}
备注
Accepted by Findings of ACL 2022