专栏首页arxiv.org翻译专栏科学问题解释的统一重建(CS AI)
原创

科学问题解释的统一重建(CS AI)

本文提出了一个通过以解释为中心的语料库重构多项选择科学问题解释的框架。在科学统一概念的基础上,该框架利用两个不同分数的组合,对问题和候选答案的解释性事实进行排序:(a)相关分数(RS),表示给定事实对问题的具体程度;(b) 一种考虑到一个事实的解释力的统一分数(US),根据其解释相似问题的频率来确定。在Worldtree语料库上对该框架进行了广泛的评价,并采用了IR加权方案来实现。研究结果如下:(1)与目前最先进的变压器相比,该方法具有可扩展到大型解释性知识库的特点;(2)组合模型明显优于IR基线(+7.8/8.4map),确定相关性和统一性评分的互补性;(3)构建的解释支持下游模型进行答案预测,提高了ARC-easy(+6.92%)和challenge(+15.69%)两个问题的多选择问答的BERT准确性。

原文题目:Unification-based Reconstruction of Explanations for Science Questions

原文:The paper presents a framework to reconstruct explanations for multiple choices science questions through explanation-centred corpora. Building upon the notion of unification in science, the framework ranks explanatory facts with respect to question and candidate answer by leveraging a combination of two different scores: (a) A Relevance Score (RS) that represents the extent to which a given fact is specific to the question; (b) A Unification Score (US) that takes into account the explanatory power of a fact, determined according to its frequency in explanations for similar questions. An extensive evaluation of the framework is performed on the Worldtree corpus, adopting IR weighting schemes for its implementation. The following findings are presented: (1) The proposed approach achieves competitive results when compared to state-of-the-art Transformers, yet possessing the property of being scalable to large explanatory knowledge bases; (2) The combined model significantly outperforms IR baselines (+7.8/8.4 MAP), confirming the complementary aspects of relevance and unification score; (3) The constructed explanations can support downstream models for answer prediction, improving the accuracy of BERT for multiple choices QA on both ARC easy (+6.92%) and challenge (+15.69%) questions.

原文作者:Marco Valentino

原文地址:https://arxiv.org/abs/2004.00061

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 结合人类和机器智能,利用社会媒体图像进行快速损伤评估(CS SI)

    快速损失评估是应对组织在灾害发生时执行的核心任务之一,目的是了解道路、桥梁和建筑物等基础设施的损失程度。 这项工作分析了社会媒体图像内容的有用性,以执行快速损害...

    用户7095611
  • 利用深度学习识别 twitter 上的药物使用情况(CS SI)

    社交媒体的收集和检测已经成为研究用户心理活动和行为倾向的有效机制。通过分析收集到的 twitter 数据,建立了分类与毒品有关的 tweets 的模型。 通过使...

    用户7095611
  • 足球点球大战设计的综合分析(CS GT)

    足球点球大战的标准设计由于偏向第一个点球的球队而受到了严厉的批评。 这项运动的规则制定机构在2017年决定尝试另一种机制。 尽管新政策的实施已经停滞不前,但学术...

    用户7095611
  • 基于统一的科学问题解释的重构(CS.AI)

    本文提出了一个框架,可以通过以解释为中心的语料库来重构对多项选择科学问题的解释。该框架以科学统一的概念为基础,通过结合两个不同的分数,对有关问题和候选答案的解释...

    蔡小雪7100294
  • Kafka-4.配置-Producer Configs

    悠扬前奏
  • Kafka-5.配置-Consumer Configs

    悠扬前奏
  • Android bionic 和 其中的libc由什么组成

    The C library. Stuff like fopen(3) and kill(2).

    望天
  • 基于模型的强化学习中的Delta模式网络(CS LG)

    这项工作致力于解决人工智能的未解决问题-学习迁移的效率低下。在强化学习领域中用于解决此问题的机制之一是基于模型的方法。 在本文中,我们正在扩展模式网络方法,该方...

    小童
  • 【论文推荐】最新6篇图像描述生成相关论文—语言为枢纽、细粒度、生成器、注意力机制、策略梯度优化、判别性目标

    【导读】专知内容组整理了最近六篇图像描述生成(Image Caption)相关文章,为大家进行介绍,欢迎查看! 1. Unpaired Image Captio...

    WZEARW
  • 探讨AGI如何更安全的论文

    用户1908973

扫码关注云+社区

领取腾讯云代金券