ACLMay, 2020

无监督基于对齐的迭代证据检索用于多跳问答

PDF
TL;DR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。
evidence retrievalquestion answeringunsupervised methoditerative processroberta
发现论文，激发创造
  • 使用远程监督的证据检索，无需证据标记即可实现问答

    本研究探讨使用仅通过回答标签的远程监督来训练模型，从大规模语料库中学习寻找证据的能力，提出了一种新的方法（DistDR），该方法在多跳和单跳问答基准测试中与全监督的最先进方法不相上下。

    Oct, 2021

  • 开放域多模式检索问答的逐步证据细化

    我们提出了一个基于预训练多模态模型的证据检索和问答的两阶段框架来解决模型面临的两个主要挑战：利用压缩的证据特征会导致丢失细粒度信息以及提取问题关键特征时存在特征提取和问题之间的差距。我们的方法包括渐进证据精炼策略来选择关键证据、半监督对比学习训练策略扩展问题领域范围以及多轮检索和问答策略来处理多模态输入。通过大量实验证明了模型的有效性，在 WebQA 和 MultimodelQA 基准测试上取得了出色的性能。

    Oct, 2023

  • 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

    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。

    Nov, 2019

  • 多步骤基于实体的信息检索用于多跳问答

    本文介绍了一种信息检索技术，利用最初检索到的证据中存在的实体信息来学习到其他相关证据，并在超过 500 万个维基百科段落的语境下，取得了显着的检索性能提升。此外，检索到的证据还使得现有的 QA 模型（无需任何训练）在 Hotpot 基准测试中 F1 指标提升了 10.59 个点。

    Sep, 2019

  • 弱监督开放域问答的潜在检索

    本文提出了一种新的 open domain question answering 方法，利用问题 - 回答对来同时学习 retriever 和 reader，将 Wikipedia 中的证据检索视为潜在变量，并通过 Inverse Cloze Task 进行预训练。我们的方法在五个 QA 数据集上进行测试，表明在用户真正寻求答案的数据集上，学习检索至关重要，完全匹配方面的得分比传统的 IR 系统（如 BM25）高达 19 个点。

    Jun, 2019

  • 使用迭代文档重新排序回答任意跳开放领域问题

    本文提出了一种统一的 QA 框架，以回答任何跨域问题，包括多步骤文档检索，图形重新排序模型及多文档交互等技术，从而提高检索精度及性能。

    Sep, 2020

  • 光束检索：多跳问题回答的通用端到端检索

    通过多跳问答技术以及基于 Beam Retrieval 的检索框架，本研究提出一种改进性能的问题回答方法，通过扩展搜索空间和优化模型，在多个问答任务上取得了近 50% 的性能提升，并且在 HotpotQA 和 2WikiMultiHopQA 上超过了之前的检索模型，进一步提升了有监督模型和无监督模型的回答性能。

    Aug, 2023

  • 答案生成与摘要：基于证据抽取的多阶段问答多任务学习

    该研究提出了一种基于 Query Focused Extractor (QFE) 模型的可解释的多跳问答系统，使用多任务学习并结合了问答模型进行证据点提取，实验结果表明该模型在 HotpotQA 和 FEVER 任务中达到了最佳证据提取效果。

    May, 2019

  • 基于自然语言逻辑的自回归多跳文档检索方法用于事实核查

    我们提出了一种基于自回归公式的检索和重新排序方法，该方法用自然逻辑为基础，使用证明系统动态终止检索过程，同时使用比竞争系统少 5 到 10 倍的记忆，对 FEVER、HoVer 和 FEVEROUS-S 等数据集具有与当前最先进方法相当的性能。

    Dec, 2022

  • 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