18、基于总结逻辑形式（SLF）的问答系统实现及预训练语言模型语义扩展

基于总结逻辑形式（SLF）的问答系统实现及预训练语言模型语义扩展

1. SLF 基础组件构建

在构建 SLF 来源的三个组件时，我们借助了语义解析器（Damonte 等人 2017 年和 Damonte 与 Cohen 2018 年的研究成果）、语篇解析器（Surdeanu 等人 2015 年；Joty 等人 2013 年的研究成果）以及句法泛化（Galitsky 等人 2012 年的研究成果）。

2. SLFAMR 评估

为了评估我们的方法对搜索质量的贡献，我们使用了四个数据集：
- Yahoo! Answer（Webscope 2017） ：问题 - 答案对的子集，主题广泛，主要问题是包含 10 - 15 个关键词的单句（可能是复合句）。该数据集涵盖多个领域，但领域知识覆盖较浅。
- 从 Fidelity.com 抓取的金融问题（2018） ：展示了在具有合理覆盖范围的垂直领域中搜索相关性的提升情况。
- 从 www.2carpros.com 选取的汽车维修对话（CarPros 2018） ：包含汽车问题描述和解决建议，这些对从对话的前两个话语中提取。
- SQuAD 数据集 ：用于针对像维基百科这样组织良好的来源的事实性问题。

我们选择工业搜索引擎常用的改进版 TF*IDF 搜索作为基线。基于实体的查询通过短语搜索表示，考虑单词之间的距离，停用词和分词设置采用默认值（Ingersoll 等人 2012 年的方法）。