2019 年,智能问答(Question Answering)的主要研究方向有哪些?

前言

自从小夕前不久推送了这篇《文本匹配打卡点总结》,收到了不少小伙伴对于问答方向的问题,其中问的最多的就是,求!更!多!论!文!好了,于是小夕就在万能的知乎上找到了这篇良心回答,分享给有需要的小伙伴们~下面的内容就转载自知乎用户Y.Shu的回答,传送门如下(关注问答、阅读理解的小伙伴们快去关注一波良心答主)

https://www.zhihu.com/question/349499033/answer/900173774

非事实类问题

大多数研究关注于事实类问题,而非事实类问题的研究相对不足,包括数学类的问题、判断类的问题等。

[EMNLP 2019] NumNet: Machine Reading Comprehension with Numerical Reasoning 数学类问题

[NAACL19] MathQA: Towards Interpretable Math Word Problem Solving with Operation-Based Formalisms

[NAACL19] BoolQ: Exploring the Surprising Difficulty of Natural Yes/No Questions

多跳推理

多跳(multi-hop)在最近的顶会上关注度非常高,目前实现这一机制的方法也比较复杂。

[EMNLP 2019] What's Missing: A Knowledge Gap Guided Approach for Multi-hop Question Answering

[EMNLP 2019] Self-Assembling Modular Networks for Interpretable Multi-Hop Reasoning

[EMNLP 2019] Avoiding Reasoning Shortcuts: Adversarial Evaluation, Training, and Model Development for Multi-Hop QA

[ACL 2019] Multi-Hop Paragraph Retrieval for Open-Domain Question Answering

[ACL 2019] Dynamically Fused Graph Network for Multi-hop Reasoning

[ACL 2019] Explore, Propose, and Assemble: An Interpretable Model for Multi-Hop Reading Comprehension

[ACL 2019] Multi-hop Reading Comprehension through Question Decomposition and Rescoring

[ACL 2019] Compositional Questions Do Not Necessitate Multi-hop Reasoning

[ACL 2019] Answering while Summarizing: Multi-task Learning for Multi-hop QA with Evidence Extraction

[ACL 2019] Cognitive Graph for Multi-Hop Reading Comprehension at Scale

[ACL 2019] Understanding Dataset Design Choices for Multi-hop Reasoning

[NAACL 2019] Repurposing Entailment for Multi-Hop Question Answering Tasks

[NAACL 2019] BAG: Bi-directional Attention Entity Graph Convolutional Network for Multi-hop Reasoning Question Answering

[ACL 2019] Exploiting Explicit Paths for Multi-hop Reading Comprehension

[ACL 2019] Multi-hop reading comprehension across multiple documents by reasoning over heterogeneous graphs

多语言/跨语言的问答

包括英法德等主流语言之间的研究,也包括特定于使用人数较少的语言的研究。

[EMNLP 2019] Cross-Lingual Machine Reading Comprehension

[EMNLP 2019] BiPaR: A Bilingual Parallel Dataset for Multilingual and Cross-lingual Reading Comprehension Novels

[ACL 2019] XQA: A Cross-lingual Open-domain Question Answering Dataset

知识库问答和基于文本的问答的结合

前者通常是限定域的,知识容量有限,结构化信息比较好查询;后者通常是开放域的,信息量很大,但是提取知识比较困难。

[EMNLP 2019] Language Models as Knowledge Bases? 探索语言模型作为知识来源的可能性
[ACL 2019] Interpretable Question Answering on Knowledge Bases and Text

[ACL 2019] Enhancing Pre-Trained Language Representations with Rich Knowledge for Machine Reading Comprehension

[EMNLP 2019] Incorporating External Knowledge into Machine Reading for Generative Question Answering

长文本/多段落

MRC 的研究在向多段落/长文本扩展。

[EMNLP 2019] BookQA: Stories of Challenges and Opportunities

[ACL 2019] Simple and Effective Curriculum Pointer-Generator Networks for Reading Comprehension over Long Narratives

[ACL 2019] ELI5: Long Form Question Answering

[ACL 2018] Multi-Passage Machine Reading Comprehension with Cross-Passage Answer Verification

[ACL 2019] Token-level Dynamic Self-Attention Network for Multi-Passage Reading Comprehension

[EMNLP 2019] Multi-passage BERT: A Globally Normalized BERT Model for Open-domain Question Answering

[ACL 2019] Retrieve, Read, Rerank: Towards End-to-End Multi-Document Reading Comprehension

[ACL 2019] Multi-hop reading comprehension across multiple documents by reasoning over heterogeneous graphs

[EMNLP19] PullNet: Open Domain Question Answering with Iterative Retrieval on Knowledge Bases and Text

QA 系统的可解释性

比如可以将对答案的解释也作为训练数据的一部分,让模型学会解释。

[NAACL 2019] Enhancing Key-Value Memory Neural Networks for Knowledge Based Question Answering

[EMNLP 2017] QUINT: Interpretable Question Answering over Knowledge Bases

[ACL 2019] Interpretable Question Answering on Knowledge Bases and Text

[ACL 2019] Explore, Propose, and Assemble: An Interpretable Model for Multi-Hop Reading Comprehension

不可回答的问题

这个问题包括无法回答的问题和合理答案的判别两个任务。

[AAAI 2019] Read + Verify: Machine Reading Comprehension with Unanswerable Questions

[ACL 2019] Learning to Ask Unanswerable Questions for Machine Reading Comprehension

数据集的构建

更实用、智能、强大的 QA 系统需要更多优质的数据集来推动。

[EMNLP 2019] BiPaR: A Bilingual Parallel Dataset for Multilingual and Cross-lingual Reading Comprehension on Novels 多语言与跨语言的小说阅读理解

[EMNLP 2019] GeoSQA: A Benchmark for Scenario-based Question Answering in the Geography Domain at High School Level 高中地理场景下的问答基准测试

[EMNLP 2019] Quoref: A Reading Comprehension Dataset with Questions Requiring Coreferential Reasoning 共指解析问题

[IJCAI 2019] AmazonQA: A Review-Based Question Answering Task 基于评论的问答

[EMNLP 2019] BiPaR: A Bilingual Parallel Dataset for Multilingual and Cross-lingual Reading Comprehension Novels 多语言和跨语言阅读理解小说的双语并行数据集

[ACL 2019] XQA: A Cross-lingual Open-domain Question Answering Dataset 跨语言开放域问答数据集

[ACL 2019] WEETQA: A Social Media Focused Question Answering Dataset 社交媒体问答数据集

[EMNLP 2019] A Span-Extraction Dataset for Chinese Machine Reading Comprehension 中文阅读跨度提取数据集

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/480990.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

机器学习——多元线性回归分析(multiple regression)及应用

版权声明&#xff1a;本文为博主原创文章&#xff0c;未经博主允许不得转载。 https://blog.csdn.net/loveliuzz/article/details/78006493 </div><link rel"stylesheet" href"https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_vi…

肖仰华 | 知识图谱研究的回顾与展望

本文转载自公众号知识工场。 本文整理自2017年10月19日肖仰华教授在知识图谱前沿技术课程&#xff08;华东师范大学站&#xff09;所做的报告&#xff0c;报告的题目为《知识图谱研究的回顾与展望》。 大家好&#xff0c;很多人在对知识图谱的研究或者落地方面都表现出了极大的…

Java应用性能调优工具介绍及实践

一、背景 &#xff08;1&#xff09;、随着微服务架构的逐渐推广&#xff0c;一个大型的单个应用程序被拆分为数个微服务系统&#xff0c;这为研发人员的本地调试跟踪带来困难 &#xff08;2&#xff09;、在微服务架构中&#xff0c;由于业务的复杂性&#xff0c;常常一个业务…

【Java】函数式编程思想-Lambda表达式

面向对象的思想&#xff1a;做一件事情,找一个能解决这个事情的对象,调用对象的方法,完成事情. 函数式编程思想&#xff1a;只要能获取到结果,谁去做的,怎么做的都不重要,重视的是结果,不重视过程 Java 8&#xff08;JDK 1.8&#xff09;中&#xff0c;加入了Lambda表达式的重量…

Google、MS和BAT教给我的面试真谛

大家好呀&#xff0c;我是「小鹿鹿鹿」&#xff0c;我又来啦&#xff5e;&#xff5e;趁大家还有依稀印象赶紧乘热打铁&#xff5e;&#xff5e;这次聊一聊关于面试的一些小想法&#xff0c;希望和大家交流交流&#xff5e;&#xff5e;虽然资历尚浅&#xff0c;但是也面过不少…

AAAI 2018 论文 | 蚂蚁金服公开最新基于笔画的中文词向量算法

导读&#xff1a;词向量算法是自然语言处理领域的基础算法&#xff0c;在序列标注、问答系统和机器翻译等诸多任务中都发挥了重要作用。词向量算法最早由谷歌在2013年提出的word2vec&#xff0c;在接下来的几年里&#xff0c;该算法也经历不断的改进&#xff0c;但大多是仅适用…

甲子光年 | 为什么知识图谱终于火了?

本文转载自公众号甲子光年。如果知识是人类进步的阶梯&#xff0c;知识图谱就是AI进步的阶梯。作者&#xff5c;金丝猴编辑&#xff5c;甲小姐设计&#xff5c;孙佳栋微信&#xff5c;甲子光年 (ID:jazzyear)“知识图谱”相较于AI其他分支&#xff0c;似乎是最后一个热起来的赛…

Java多线程并发编程

一、线程池 1.1、什么是线程池 线程池是一种多线程的处理方式&#xff0c;利用已有线程对象继续服务新的任务&#xff08;按照一定的执行策略&#xff09;&#xff0c;而不是频繁地创建销毁线程对象&#xff0c;由此提高服务的吞吐能力&#xff0c;减少CPU的闲置时间。具体组成…

Step-by-step to Transformer:深入解析工作原理(以Pytorch机器翻译为例)

大家好&#xff0c;我是青青山螺应如是&#xff0c;大家可以叫我青青&#xff0c;工作之余是一名独立摄影师。喜欢美食、旅行、看展&#xff0c;偶尔整理下NLP学习笔记&#xff0c;不管技术文还是生活随感&#xff0c;都会分享本人摄影作品&#xff0c;希望文艺的技术青年能够喜…

【LeetCode】4月5日打卡-Day21-最大子序和问题

描述 给定一个整数数组 nums &#xff0c;找到一个具有最大和的连续子数组&#xff08;子数组最少包含一个元素&#xff09;&#xff0c;返回其最大和。 示例: 输入: [-2,1,-3,4,-1,2,1,-5,4], 输出: 6 解释: 连续子数组 [4,-1,2,1] 的和最大&#xff0c;为 6。 进阶: 如果你已…

知识图谱与智能问答基础理解

什么是知识图谱&#xff1f; 知识图谱本质上是语义网络&#xff0c;是一种基于图的数据结构&#xff0c;由节点(Point)和边(Edge)组成。在知识图谱里&#xff0c;每个节点表示现实世界中存在的“实体”&#xff0c;每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的…

鲍捷 | 知识图谱从 0 级到 10 级简化版

本文转载自公众号&#xff1a;文因学堂。文因学以前写过几个进阶指南&#xff0c;可能都太难&#xff0c;不接地气。这里重新写一个更实事求是、更便于工程落地的版本0级&#xff1a;掌握正则表达式、SQL、JSON和一门支持if-then-else的高级语言 —— 是的&#xff0c;这些不是…

Java并发优化思路

一、并发优化 1.1、Java高并发包所采用的几个机制 &#xff08;1&#xff09;、CAS&#xff08;乐观操作&#xff09; jdk5以前采用synchronized&#xff0c;对共享区域进行同步操作&#xff0c;synchronized是重的操作&#xff0c;在高并发情况下&#xff0c;会引起线…

【Java】文件操作

1 File类的静态成员遍历 字段摘要static String pathSeparator与系统有关的路径分隔符&#xff0c;为了方便&#xff0c;它被表示为一个字符串。static char pathSeparatorChar与系统有关的路径分隔符。static String separator与系统有关的默认名称分隔符&#xff0c;为了方便…

他与她,一个两年前的故事

“ 有没有那个Ta&#xff0c;值得你一生去守护”1她能力出众&#xff0c;业务能力无人能出其左右&#xff1b;他资质平庸&#xff0c;扮演一个很不起眼的角色&#xff1b;她国色天香&#xff0c;是整个公司上上下下关注的焦点&#xff1b;他其貌不扬&#xff0c;甚至很多人根本…

科普 | 知识图谱相关的名词解释

知识图谱&#xff08;Knowledge Graph&#xff09;是谷歌于2012年提出。企业通常出于商业目的去设计新的概念和名词。但每一个概念的提出都有其历史渊源和本质内涵。下面列举了知识图谱相关的几个概念&#xff0c;并简要阐明了它们与知识图谱的关系和区别。Knowledge Base&…

系统性能衡量维度、指标

一、性能问题简介 应用性能是产品用户体验的基石&#xff0c;性能优化的终极目标是优化用户体验。当我们谈及性能&#xff0c;最直观能想到的一个词是“快”&#xff0c;Strangeloop在对众多的网站做性能分析之后得出了一个著名的3s定律“页面加载速度超过3s&#xff0c;57%的访…

搜索引擎核心技术与算法 —— 倒排索引初体验

今天开启一个新篇章——智能搜索与NLP。本篇章将由羸弱菜鸡小Q和大家一同学习与智能搜索相关的知识和技术&#xff0c;希望能和大家一同学习与进步&#xff0c;冲鸭&#xff01;&#xff01;这里首先区分两个概念&#xff1a;搜索和检索检索&#xff1a;数据库时代的概念&#…

【Java】第一阶段练习题

字符串 判断引用类型的地址而不是值当代码中出现字面量形式创建字符串对象时&#xff0c;JVM首先会对这个字面量进行检查。 如果字符串常量池中存在相同内容的字符串对象的引用&#xff0c;则将这个引用返回。否则新的字符串对象被创建&#xff0c;然后将这个引用放入字符串常量…