《Interactive Classification by Asking Informative Questions》读后感

最新推荐文章于 2022-07-04 19:39:17 发布

未云锦上人

最新推荐文章于 2022-07-04 19:39:17 发布

阅读量213

点赞数

分类专栏： Knowledge Graph

本文链接：https://blog.csdn.net/joycezzz/article/details/109425249

版权

5 篇文章 0 订阅

订阅专栏

where users provide an initial query using natural language, and the system asks for additional information using binary or multi-choice questions.本文的交互方式采用的是自然语言问答的形式，机器对用户的提问方式是二选一或者多选一的模式。主要针对的是“分类问题”。
提出了“继续发问”和“返回结果”两种问题之间权衡的一种决策系统（使用众包任务代替实时交互？）
评估方法，评测上面的停止发问系统的好处

专家指导的问题和答案增量设计——可扩展性差
We demonstrate that the system can be bootstrapped without any interaction data and show effectiveness on two tasks.用非实时交互数据进行训练

在这里插入图片描述

在这里插入图片描述

放在参考文献那里

在这里插入图片描述

两个假定【（1）r只取决于q和y，与过去的互动无关。】【qt很大程度取决于xt-1】X是交互
这种分解使得能够利用单独的注释来直接学习这两个组件，从而减少了收集昂贵的用户交互记录的需求。
我们不只是将标签，问题和答案视为分类变量。利用它们的自然语言内容来估计它们的相关性。这减少了对大量注释的需求，并改善了资源匮乏情况下的模型。Similarity：
average across annotators to estimate：

Loss：

在这里插入图片描述

用户模拟器：

策略选择器：（策略梯度反向传播确定参数）

无交互：仅使用初始查询来预测分类标签。我们考虑以下四个实现
- BM25：一种基于关键字的通用检索方法评分模型
- RoBERTaBASE：微调的该模型编码文本
- 简单的RNN+fastText单词嵌入层
- RNN + self-attention
Random Interaction：随机选择某个T的问题进行交互。
No Initial Query Interaction：不会使用最大信息标准来限制初始用户查询。
we use one encoder for user initial queries and question-answer pairs and a second encoder for bird names.

用户评分：
在这里插入图片描述
accuracy：

Figure 3: Accuracy@1 (y-axis) against turns of interactions (x-axis) for FAQ (left) and Birds (right) tasks

where x-axis is the number of episodes (400 trials per episode). The results are compared on different turn penalty ra.

在这里插入图片描述

在这里插入图片描述

关注