普林斯顿大学陈丹琦和 Facebook的Danqi Chen在ACL2020的tutorial-开放域问答

自然语言处理领域顶级会议 ACL 2020 将于 7 月 5 日至 10 日在线上举行。本届 ACL 共接收论文 779 篇,接收率 25.2%。

本教程提供了关于开放域问答(QA)方面前沿研究的全面概述,QA的任务是使用大量不同主题的文档集合回答问题。我们将首先给出一个简要的历史背景,讨论研究问题的基本设置和核心技术挑战,然后描述具有共同评价指标和基准的现代数据集。然后,重点将转向为开放领域QA提出的最新模型,包括两阶段检索-读者方法、密集检索和端到端训练,以及无检索方法。最后,我们将介绍一些使用文本和大型知识库的混合方法,并以一些重要的开放问题结束本教程。我们希望本教程不仅能帮助读者获得最新的知识,还能提供新的视角,以促进下一阶段开放领域QA研究的进展。

成为VIP会员查看完整内容
58

相关内容

【知识图谱@ACL2020】Knowledge Graphs in Natural Language Processing
专知会员服务
65+阅读 · 2020年7月12日
【课程推荐】普林斯顿陈丹琦COS 484: 自然语言处理课程
专知会员服务
82+阅读 · 2019年12月11日
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
69+阅读 · 2019年11月25日
论文浅尝 | XQA:一个跨语言开放域问答数据集
开放知识图谱
25+阅读 · 2019年9月11日
论文浅尝 | 基于知识库的自然语言理解 04#
开放知识图谱
14+阅读 · 2019年3月14日
揭开知识库问答KB-QA的面纱3·向量建模篇
PaperWeekly
8+阅读 · 2017年8月23日
CoQA: A Conversational Question Answering Challenge
Arxiv
7+阅读 · 2018年8月21日
VIP会员
微信扫码咨询专知VIP会员