EMNLPNov, 2019

快速且不怎么精准的：无监督选择多跳问题回答的证明句子

PDF
TL;DR我们提出了一种无监督的句子选择策略，可与任何有监督的 QA 方法配对使用，此方法在两个多跳 QA 数据集上均取得了不使用外部资源训练 QA 系统的新的最先进性能，并证明我们的句子选择方法比强大的信息检索基线选择的证明更具质量，更稳定跨域。
unsupervisedsentence selectionmulti-hop question answeringsupervised qa approachstate-of-the-art performance
发现论文，激发创造
  • HOP, UNION, GENERATE: 可解释的无需理由监督的多跳推理

    该研究提出了一种基于概率的方法来训练可解释的多跳问答系统，该系统可以在无需基于理由的监督的情况下进行训练。该方法将理由明确建模为集合，能够在文档之间以及文档内部的句子之间进行交互和多跳推理，这种方法在选择理由方面比之前的方法更加准确。

    May, 2023

  • 无监督基于对齐的迭代证据检索用于多跳问答

    本文提出了一种简单、快速和无监督的迭代证据检索方法，包括三个步骤：无监督对齐、迭代查询和停止准则。该方法在两个数据集上取得了最好的效果，证据句子被送入 RoBERTa 回答分类组件，我们在这两个数据集上实现了最先进的问答性能。

    May, 2020

  • 面向开放域问答的多跳段落检索

    本文提出了一种方法，用于在大量知识库之中检索多个支持段落，以回答所提出的问题。该方法使用联合向量表示形式，并考虑知识源中段落的上下文句子表示形式。该技术在 SQuAD-Open 和 HotpotQA 的数据集上实现了开放域问答的最新成果。

    Jun, 2019

  • 多跳问答的语义句子组合推理

    针对多跳领域问题，通过多段语义匹配模块（MSSM）和事实句子构成模块（FSC）的结合，提出了一种语义句子组成推理方法，其能提供更全面的上下文信息，实验结果表明该模型能结合现有的预训练语言模型，在 QASC 任务上的表现优于现有的 SOTA 方法约 9%。

    Mar, 2022

  • 数据增强和理性训练法实现跨语言句子选择

    该论文提出了一种跨语言句子选择的方法，旨在使用数据增强和负采样技术来直接学习基于嵌入的跨语言查询相关模型，结果显示该方法的效果不亚于或优于多个最先进的机器翻译 + 单语检索系统，该方法在英语 - 索马里语、英语 - 斯瓦希里语和英语 - 塔加洛语三种语言对中获得了一致的改进。

    Jun, 2021

  • 无监督多跳问答通过问题生成

    本论文提出了 MQA-QG 框架，利用同质和异质数据源生成类人问答对数据，从而实现集成式自监督多跳 QA 模型训练，实验结果表明仅利用生成的数据即可训练出在 HybridQA 和 HotpotQA 数据集上分别达到监督学习性能 61% 和 83% 的多跳 QA 系统，同时利用生成数据进行预训练可以大大减少人工标注训练数据的需求。

    Oct, 2020

  • 基于问句的多跳推理摘要

    本研究提出了一种基于问题驱动的摘要式多跳选择生成器方法，将多跳推理吸收到问题驱动的摘要中，并为生成的摘要提供了理由。

    Oct, 2020

  • 生成式多跳问答任务的常识推理

    通过提出一种选择基于概念网络的常识信息和一种选择性门控的多头注意力机制，本文提出了一种生成式模型，用于解决阅读理解 QA 任务中的多跳关系抽取问题，并在 NarrativeQA 数据集上创造新的最先进结果。

    Sep, 2018

  • 强化多任务方法用于多跳问题生成

    使用多任务学习和强化学习的方法，通过支持事实的多次跳转生成相关问题，相比于单次跳转模型，我们的模型在 HotPotQA 数据集上表现更好（同时在自动评估指标如 BLEU、METEOR 和 ROUGE 以及人工评估指标中都有着更高的质量和覆盖率）。

    Apr, 2020

  • 理解并改善生成式问答中的零样本多跳推理

    本文研究发现，生成式问答模型的多跳推理能力非常有限，但可以通过训练拼接单跳问题或逻辑形式的方式进行改进。

    Oct, 2022