弱监督开放检索对话式问答
信息检索
2021-03-04 v1 计算与语言
摘要
近期关于问答（QA）和对话式问答（ConvQA）的研究强调了检索的作用：系统首先从大规模集合中检索证据，然后抽取答案。这种开放检索ConvQA设置通常假设每个问题可通过特定段落内的文本跨度（跨度答案）来回答。因此，监督信号来源于系统能否从检索到的段落中恢复该真实答案跨度的精确匹配。此方法被称为跨度匹配弱监督。然而，信息寻求对话对这种方法具有挑战性，因为长答案（尤其是自由形式答案）未必是任何段落的严格跨度。因此，我们引入一种学习的弱监督方法，可识别段落中已知答案的释义跨度。我们在QuAC和CoQA数据集上的实验表明，跨度匹配弱监督器只能处理含跨度答案的对话，对人工生成的自由形式答案结果不尽如人意。我们的方法更灵活，可同时处理跨度答案与自由形式答案。此外，当与跨度匹配方法结合时我们的方法更强大，表明其与跨度匹配方法互补。我们还进行了深入分析，以揭示弱监督设置下开放检索ConvQA的更多见解。
引用
@article{arxiv.2103.02537,
title = {Weakly-Supervised Open-Retrieval Conversational Question Answering},
author = {Chen Qu and Liu Yang and Cen Chen and W. Bruce Croft and Kalpesh Krishna and Mohit Iyyer},
journal= {arXiv preprint arXiv:2103.02537},
year = {2021}
}
备注
Accepted to ECIR'21