Reading Wikipedia to Answer Open-Domain Questions
| Reading Wikipedia to Answer Open-Domain Questions | |
|---|---|
| Data | 2017 |
| Autori | Danqi Chen, Adam Fisch, J. Weston, Antoine Bordes |
| URL | https://www.semanticscholar.org/paper/104715e1097b7ebee436058bfd9f45540f269845 |
| Topic | Question Answering |
| Citazioni | 1897 |
Questo documento propone di affrontare il problema delle risposte a domande a dominio aperto utilizzando Wikipedia come unica fonte di conoscenza: la risposta a qualsiasi domanda fattuale è una porzione di testo in un articolo di Wikipedia. Questo compito di lettura automatica su larga scala combina le sfide del recupero di documenti (trovare gli articoli pertinenti) con quello della comprensione automatica del testo (identificare le porzioni di risposta da quegli articoli). Il nostro approccio combina un componente di ricerca basato su hashing bigram e corrispondenza TF-IDF con un modello di rete neurale ricorrente multistrato addestrato per rilevare le risposte nei paragrafi di Wikipedia. I nostri esperimenti su più set di dati QA esistenti indicano che (1) entrambi i moduli sono altamente competitivi rispetto alle controparti esistenti e (2) l'apprendimento multitask che utilizza la supervisione distante sulla loro combinazione è un sistema completo efficace in questo compito impegnativo.