Aug, 2023

光束检索：多跳问题回答的通用端到端检索

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • BeamAggR：多源知识束聚合推理用于多步问题回答

    BeamAggR 是一种用于知识密集型多跳问答的推理框架，它将复杂问题解析成树形结构，并在每个跳跃中探索和优先考虑有前途的答案。通过在多源知识上进行推理，BeamAggR 显著优于目前最先进的方法 8.5％，并且促进了更好的知识协作和答案聚合。

    Jun, 2024

  • 开放域多跳问答的简单而有效的桥接推理

    针对开放域多跳问答中通过阅读理解模型识别终止段落锚点的新子问题，介绍了一种新的子问题解决方案 ——“桥接推理器” 。该推理器接受一定程度的监督，通常用于训练一个 “终止段落阅读器”，从一组起始段落中提取答案，实验结果在多个数据集上优于 Baseline 方法。

    Sep, 2019

  • 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

  • 开放域文本到 SQL 的多跳表检索

    通过多跳表格检索与重写和束搜索 (Murre) 方法，提出一种解决单跳检索方法忽略了模式链接的问题，即将问题中的实体与表格实体对齐的文本到 SQL 挑战的方法，以减少相似无关实体的影响并改善领域不匹配实体的局限性，并在 SpiderUnion 和 BirdUnion+ 数据集上进行的实验证明了新的最先进结果并平均提升了 6.38%。

    Feb, 2024

  • 多跳检索的弱监督预训练

    提出了一种基于弱监督的多跳检索器预训练方法，该方法包括问题嵌套结构的可伸缩数据生成方法、基于密集编码器的预训练模型结构以及对多跳 QA 和文档检索的性能进行比较实验，结果表明预训练的检索器在有限的数据和计算资源下是有效和稳健的。

    Jun, 2021

  • 使用密集检索束搜索进行非结构化文本的多步推理

    通过密集检索方法和波束搜索，我们在不使用半结构化信息的情况下，提出了一种多步骤的检索方法（BeamDR），以迭代方式形成证据链，可用于复杂问题的回答，可以捕获证据间的隐式关系。

    Apr, 2021

  • 通过结构化知识和统一的检索生成增强多模式和多跳问题回答

    提出了一种基于结构化知识和统一检索生成的方法（SKURG）来回答多模态和多跳问题，包括模态对齐，统一检索生成和中间检索结果的集成。该方法在两个数据集上均取得了最先进的效果。

    Dec, 2022

  • UniKGQA：基于知识图谱的多跳问答统一检索与推理

    UniKGQA 是一种新的多跳知识图谱问答方法，通过统一检索和推理模型架构和参数学习，基于预训练语言模型的语义匹配模块和匹配信息传播模块进行问题与关系的语义匹配，采用共同的预训练任务和检索以及推理定向的微调策略。

    Dec, 2022

  • 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