面向真实世界对话问答：利用潜在知识与对话上下文
计算与语言
2022-12-20 v1
摘要
在许多真实世界场景中，缺乏如维基百科之类的外部知识源，迫使问答系统依赖有限对话数据中的潜在内部知识。此外，人类常常通过提出多个问题来寻求更全面的信息。随着对话变得更加广泛，机器需要参考之前的对话轮次来回答问题，这构成了挑战。在这项工作中，我们提出通过一个神经检索-阅读系统来利用现有对话日志中的潜在知识，并辅以一个基于TFIDF的文本摘要器，该摘要器精炼冗长的对话历史以缓解长上下文问题。我们的实验表明，我们的检索-阅读系统能够利用检索到的背景知识生成显著更好的答案。结果还表明，我们的上下文摘要器通过引入更简洁、噪声更少的上下文信息，显著帮助了检索器和阅读器。
引用
@article{arxiv.2212.08946,
title = {Towards leveraging latent knowledge and Dialogue context for real-world conversational question answering},
author = {Shaomu Tan and Denis Paperno},
journal= {arXiv preprint arXiv:2212.08946},
year = {2022}
}