面向理解与回答旅游领域多句推荐问题
计算与语言
2020-09-30 v1 人工智能
摘要
我们介绍了首个面向旅游领域复杂多句推荐问题回答这一新颖任务的系统。我们的解决方案使用两个模块的流水线：问题理解与回答。对于问题理解，我们定义了一种类 SQL 查询语言来捕获问题的语义意图；它支持子集、否定、偏好和相似性等常在推荐问题中出现的算子。我们训练并比较了传统的 CRF 以及基于双向 LSTM 的模型，用于将问题转换为其语义表示。我们将这些模型扩展到半监督设置，通过众包收集部分标注序列。我们发现最佳模型执行带手工设计特征和 CCM (Chang et al., 2007) 约束的 BiDiLSTM+CRF 半监督训练。最后，在端到端 QA 系统中，我们的回答组件将问题表示转换为对底层知识源发起的查询。我们在两个不同答案语料上的实验表明，我们的系统可显著优于基线，准确率最高提升 20 个百分点，召回率最高提升 17 个百分点。
引用
@article{arxiv.1801.01825,
title = {Towards Understanding and Answering Multi-Sentence Recommendation Questions on Tourism},
author = {Danish Contractor and Barun Patra and Mausam Singla and Parag Singla},
journal= {arXiv preprint arXiv:1801.01825},
year = {2020}
}