【论文阅读】Answering Complex Open-domain Questions Through Iterative Query Generation

Answering Complex Open-domain Questions Through Iterative Query Generation

论文：Answering Complex Open-domain Questions Through Iterative Query Generation

代码：https://github.com/qipeng/golden-retriever

任务

对于目前的单跳检索和阅读问题回答系统来说，问题很少包含关于缺失实体的可检索线索。回答这样的问题需要进行多跳推理，必须收集关于缺失实体（或事实）的信息才能进行进一步的推理。本文提出了GOLDEN（Gold Entity）Retriever，它在阅读上下文和检索更多支持文档之间进行迭代，以回答开放领域的多跳问题。

方法（模型）

GOLDEN Retriever不使用不透明和计算代价较高的神经检索模型，而是根据问题和可用的上下文生成自然语言搜索查询，在每一步中，该模型也会使用前几跳推理的IR结果生成新的自然语言查询，并利用现成的信息检索系统来查询缺失的实体或证据来回答原问题，而不是纯粹依靠原问题来检索段落。这使得GOLDEN Retriever能够在保持可解释性的同时，有效地扩展开放领域的多跳推理。

• GOLDEN Retriever

在推理的第一跳中，GOLDEN Retriever基于给定的原始问题q，从中生成一个检索支持文档$d_1$，然后对后续的每一个推理步骤$(k=2，......，S）$，GOLDEN Retriever从问题和可用上下文