面向问答的无监督问题分解

我们旨在通过将被难问题分解为现有问答系统能够回答的更简单子问题来改进问答（QA）。由于为问题标注分解结果十分繁琐，我们采用无监督方法来生成子问题，这也使我们能够利用来自互联网的数百万个问题。具体而言，我们提出了一种一对多无监督序列转导（ONUS）算法，该算法学习将一个困难的、多跳问题映射为多个更简单的、单跳子问题。我们用现成的 QA 模型回答子问题，并将所得答案提供给重组模型以组合成最终答案。我们在 HotpotQA 上展示了相对于强基线在原始、域外和多跳验证集上的大幅 QA 提升。ONUS 自动学习分解不同类型的问题，同时在 QA 效用上匹配有监督与启发式分解方法，并在流畅性上超越这些方法。定性地，我们发现使用子问题有助于揭示 QA 系统做出预测的原因。