面向可解释且可靠的阅读理解：一种带不可答预测的流水线模型
计算与语言
2021-11-19 v2
摘要
带有标注支撑事实的多跳问答，即考虑答案可解释性的阅读理解(RC)任务，已被广泛研究。在本研究中，我们将可解释阅读理解(IRC)模型定义为一种具有预测不可答查询能力的流水线模型。IRC模型通过使预测支撑事实与实际推理依据保持一致来论证答案预测的可解释性。IRC模型检测不可答问题，而非基于不充分信息强行输出答案，以确保答案的可靠性。我们还提出了一种用于流水线RC模型的端到端训练方法。为评估可解释性与可靠性，我们在给定段落的多跳问题中考虑了不可答性进行实验。我们表明，我们的端到端可训练流水线模型在我们修改的HotpotQA数据集上优于不可解释模型。实验结果还表明，尽管存在预测性能与可解释性之间的权衡，IRC模型仍取得了与先前不可解释模型相当的结果。
引用
@article{arxiv.2111.09029,
title = {Towards Interpretable and Reliable Reading Comprehension: A Pipeline Model with Unanswerability Prediction},
author = {Kosuke Nishida and Kyosuke Nishida and Itsumi Saito and Sen Yoshida},
journal= {arXiv preprint arXiv:2111.09029},
year = {2021}
}
备注
IJCNN 2021 (https://ieeexplore.ieee.org/abstract/document/9534370)