XTQA：教科书问答的跨度级解释
计算与语言
2023-07-25 v4 人工智能
摘要
教科书问答 (TQA) 是一项在给定由丰富文章和图表组成的大型多模态上下文时回答图表/非图表问题的任务。我们认为该任务的可解释性应将学生作为需考虑的关键方面。为解决此问题，我们基于提出的由粗到细算法设计了一种新颖架构，用于 TQA 的跨度级解释 (XTQA)，其能为学生提供答案以及选择这些答案的跨度级证据。该算法首先使用 TF-IDF 方法粗略选出与问题相关的 top 段落，然后通过计算各候选跨度对问题的信息增益，从这些段落中的所有候选跨度中精细选出 top 证据跨度。实验结果表明，与基线相比，XTQA 显著提升了最先进性能。源代码见 https://github.com/keep-smile-001/opentqa
引用
@article{arxiv.2011.12662,
title = {XTQA: Span-Level Explanations of the Textbook Question Answering},
author = {Jie Ma and Qi Chai and Jun Liu and Qingyu Yin and Pinghui Wang and Qinghua Zheng},
journal= {arXiv preprint arXiv:2011.12662},
year = {2023}
}
备注
Accepted by IEEE TNNLS