HopPG: Self-Iterative Program Generation for Multi-Hop Question Answering over Heterogeneous Knowledge

要約

意味解析ベースの方法は、知識ベースの質問応答の重要な研究分野です。
通常、質問に基づいて実行可能プログラムを生成し、知識ベースに基づいて回答を推論します。
この固有のメカニズムの恩恵を受け、パフォーマンスと解釈可能性において利点があります。
ただし、従来のセマンティック解析手法は通常、実行前に完全なプログラムを生成するため、異種知識に対するマルチホップの質問応答に苦労します。
第一に、完全なマルチホップ プログラムは複数の異種の裏付け事実に依存しており、モデルがこれらの事実を同時に受け取ることは困難です。
第二に、これらの方法は、前のホップの実行結果と現在のホップのプログラム生成の間の相互作用情報を無視します。
これらの課題を軽減するために、異種知識を介したマルチホップ プログラム生成 (HopPG) のための自己反復フレームワークを提案します。これは、前のホップの実行結果を活用して裏付けとなる事実を取得し、後続のプログラムを反復的に生成します。
MMQA-T^2 でモデルを評価します。
実験結果は、HopPG が、特にマルチホップの質問において、既存の意味解析ベースのベースラインよりも優れていることを示しています。

要約(オリジナル)

The semantic parsing-based method is an important research branch for knowledge-based question answering. It usually generates executable programs lean upon the question and then conduct them to reason answers over a knowledge base. Benefit from this inherent mechanism, it has advantages in the performance and the interpretability. However,traditional semantic parsing methods usually generate a complete program before executing it, which struggles with multi-hop question answering over heterogeneous knowledge. Firstly,a complete multi-hop program relies on multiple heterogeneous supporting facts, and it is difficult for models to receive these facts simultaneously. Secondly,these methods ignore the interaction information between the previous-hop execution result and the current-hop program generation. To alleviate these challenges, we propose a self-iterative framework for multi-hop program generation (HopPG) over heterogeneous knowledge, which leverages the previous-hop execution results to retrieve supporting facts and generate subsequent programs iteratively. We evaluate our model on MMQA-T^2. The experimental results show that HopPG outperforms existing semantic-parsing-based baselines, especially on the multi-hop questions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google