27、复杂多跳开放域问题解答中的逻辑子句推断

复杂多跳开放域问题解答中的逻辑子句推断

在当今的信息技术领域，问答系统的发展面临着诸多挑战，尤其是在处理复杂多跳开放域问题时。传统的问答方式在面对这类问题时显得力不从心，而新的技术和方法正在不断涌现，以解决这些难题。

1. 现状与挑战

在许多情况下，回答问题需要某种形式的推理。这是问答（Q/A）中最困难的情况，因为搜索索引中不存在预先准备好的答案。解决搜索相关性问题本身对于复杂查询和大型索引来说就很困难，而当答案需要从未结构化的文本文档中推断时，问题就更加棘手。

近年来，机器阅读理解（MRC）在回答有限大小文档内的简单问题方面取得了成功，但回答复杂问题仍然是一个持续的研究挑战。语义解析器在处理问题的组合性方面取得了成功，但前提是信息必须结构化并编码在集成知识资源中。

2. 解决思路

为了解决这些问题，我们提出了一种将自然语言描述转换为代码的机制。同时，我们还提出了一个用于回答广泛而复杂问题（包括事实性和非事实性问题）的框架。该框架基于一个假设，即使用搜索引擎 API 和/或 MRC 可以回答简单问题。我们建议将一个复杂的复合问题分解为一系列更简单的问题，并从这些简单问题的答案序列中计算最终答案。

3. 相关工作分析

• 开放域问答架构 ：开放域 Q/A 受到了 TREC QA 竞赛的启发。典型的混合架构是通过 TF*IDF 筛选候选答案，然后应用深度学习（DL）模型来确定确切答案。然而，这些两步检索 - MRC 方法仅限于更简单的事实性问题，并且在处理多跳推理时存在局限性，特别是当必要的事实和值在第一步未被检索到时。