Jul, 2021

无图谱多跳阅读理解：一种选择 - 引导策略

PDF
TL;DR本文提出了一种新颖的无图替代方法，采用 select-to-guide 策略并结合两种新颖的注意机制，在 HotpotQA 数据集上明显优于基准和当前最新的状态 - of-the-art。
multi-hop reading comprehensiongraph-freeselect-to-guide strategyattention mechanismshotpotqa
发现论文，激发创造
  • 通过异构图推理跨多个文档的多跳阅读理解

    本文提出了一种名为异构文档 - 实体图（HDE）的图形结构，并使用基于图神经网络的消息传递算法在 HDE 图上进行推理，以解决多跳阅读理解问题。实现了单个 HDE 模型的有竞争力的结果和集合模型的最先进性能.

    May, 2019

  • 探索基于图神经网络的图结构段落表示在多跳阅读理解中的应用

    通过新方法引入更多的全局证据来连接更复杂的图表，并使用图神经网络进行证据融合，从而提高了问题解答的效果。

    Sep, 2018

  • 基于路径图卷积神经网络的跨文档多跳阅读理解

    本文提出了一种基于人类推理处理的新方法来解决多文档的多跳阅读理解问题，我们构建了一种基于路径的推理图来结合基于图和路径的方法，并使用了一个新的问题感知门控机制来调节在文档间传播的信息信息的有用性以及在推理期间添加问题信息。在 WikiHop 数据集上，我们的方法实现了先前发布方法的最新进展，尤其是我们的组合模型超过了人类的表现水平 4.2％。

    Jun, 2020

  • 规模化多跳阅读理解的认知图

    本文提出了一种新的 CogQA 框架，用于在 Web 规模文件中进行多跳问题回答。该框架通过协调隐式提取模块（系统 1）和显式推理模块（系统 2）逐步构建认知图。我们的实现基于 BERT 和图神经网络，可高效地处理 HotpotQA fullwiki 数据集中的数百万文档，从而实现在榜单上的胜利。

    May, 2019

  • GMH: 通用多跳推理模型用于知识图谱填充

    本文提出了一个基于多跳推理的知识图谱通用框架，其中包含本地全局知识模块以估计可能的路径，不同的操作丢失模块以探索各种路径，自适应停止搜索模块以避免过度搜索，并将其应用于自然语言处理。实验结果表明，该模型能够在短距和长距推理场景中显著地改善性能。

    Oct, 2020

  • 多跳机器阅读理解方法全面调查

    本文综述了近年来一系列关于基于 31 项研究的多段式机器阅读理解方法的探索和研究成果，着重介绍了问题定义、模型技术，以及模型和技术之间的优缺点比较。

    Dec, 2022

  • 关系图卷积神经网络用于多跳推理的比较研究

    本文旨在探索多站点问答任务的 RGCN 模型、图形关系和节点嵌入，并在 WikiHop 数据集上经验性地探讨每个关系、节点类型和嵌入对多站点 QA 性能的影响。

    Oct, 2022

  • 基于图的多跳推理用于长文本生成

    提出了一种融合多跳推理生成（MRG）的方法，该方法利用知识图谱学习句子级语义依赖关系，并分为基于图形的多跳推理模块和路径感知句子实现模块。实验结果表明，与强基线模型相比，MRG 显式地推断出骨架路径，能够生成更具信息性和连贯性的长文本。

    Sep, 2020

  • 通过问题分解和重评分的多跳阅读理解

    该研究通过将复杂问题分解为多个单一问题并利用单一问题回答模型回答得出答案，提出了一种多跳阅读理解系统，并提出了一种新的全局重新打分方法，大大提升了系统准确度。

    Jun, 2019

  • 组合问题不需要多跳推理

    在多次阅读和推理的问题中，通过 HotpotQA 我们证明单次推理可以解决比之前认为的更多的数据集并且设计了一个基于 BERT 的单次推理 RC 模型，达到了 67 个 F1 值，在多次推理的错误分析中这些结果提示我们应该更加注重证据在多次推理中的作用，可能甚至转向信息检索风格评估大而多样的证据收集。

    Jun, 2019