Key points are not available for this paper at this time.
A resposta a perguntas baseada em texto (TBQA) tem sido amplamente estudada nos últimos anos. A maioria das abordagens existentes se concentra em encontrar a resposta a uma pergunta dentro de um único parágrafo. No entanto, muitas perguntas difíceis requerem múltiplas evidências de apoio de textos dispersos entre dois ou mais documentos. Neste artigo, propomos a Rede de Grafo Fusa Dinamicamente (DFGN), um método inovador para responder a essas perguntas que requerem múltiplas evidências dispersas e raciocínio sobre elas. Inspirados pelo comportamento de raciocínio passo a passo do ser humano, o DFGN inclui uma camada de fusão dinâmica que começa pelas entidades mencionadas na consulta dada, explora ao longo do grafo de entidades construído dinamicamente a partir do texto e gradualmente encontra entidades de apoio relevantes nos documentos fornecidos. Avaliamos o DFGN no HotpotQA, um conjunto de dados público de TBQA que requer raciocínio multi-salto. O DFGN obtém resultados competitivos no quadro público. Além disso, nossa análise mostra que o DFGN produz cadeias de raciocínio interpretáveis.
Qiu et al. (terça-feira,) estudaram essa questão.