【论文阅读】Learning to Retrieve Reasoning Paths over Wikipedia Graph for Question Answering

Learning to Retrieve Reasoning Paths over Wikipedia Graph for Question Answering

论文：https://arxiv.org/abs/1911.10470

代码：https://github.com/AkariAsai/learning_to_retrieve_reasoning_paths

学习在维基百科中检索问题的推理路径

• 基于推理路径

任务

从维基百科中提取推理路径实现多轮问答。

• 多轮问答：

  需要结合多篇文档的“知识推理”能得到最终答案。

  

  

方法（模型）

1. 通过维基百科的超链接构建一个维基百科图网络，在不同的文档之间建模。
2. 使用一个RNN给推理路径建模，从而找到最佳推理路径。

模型结构：

由一个提取器和阅读器组成

推理路径提取器（Reasoning Path Retrieval）：根据维基百科之间的超链接关系得到若干推理路径。

阅读理解答案抽取器（Reading and Answering Reasoning Path）：基于这些路径找到最可能的一条路径作为最终的答案。

将维基百科文章里的每个段落$p$作为基本单元。给定问题$q$，模型首先找到一条推理路径$E=[p_i,...,p_k]$，用$S_{retr}(q,E)$表示；然后在$E$中找到答案$a$，用$S_{read}(q,E,a)$表示。

$$\underset{E,a}{argmax}S(q,E,a)s.t.S(q,E,a)=S_{retr}(q,E)+S_{read}$$