【论文阅读】A Simple and Effective Model for Answering Multi-span Questions

偏执的太偏执、 2022-10-29 01:57 6阅读 0赞

# A Simple and Effective Model for Answering Multi-span Questions #

> 论文：EMNLP20-A Simple and Effective Model for Answering Multi-span Questions
> 
> 代码：https://github.com/eladsegal/tag-based-multi-span-extraction
> 
> multi-span architecture (TASE: TAg-based Span Extraction)
> 
> traditional single-span extraction (SSE)

## 任务 ##

传统的阅读理解模型将问题的答案限制在单个跨度，对于答案处于多跨度的问题会有限制，本文提出了一个简单的体系结构，通过将任务转换为序列标记问题来回答多跨度问题，为每个输入token预测是否应该将其作为输出的一部分。

阅读理解(RC)任务：

*  在给定一个问题和上下文的情况下提供答案。

## 方法（模型） ##

### Single-span Model ###

question-context-answer triplets  ( q i , c i , a i ) i = 1 N (q\_i, c\_i, a\_i)^N\_\{i=1\} (qi,ci,ai)i=1N

目标：学习一个函数将一个question-context对映射到answer。

将question and context编码：  
 h = E n c o d e r ( \[ q , c \] ) h = Encoder(\[q, c\]) h=Encoder(\[q,c\])  
 h h h是所有输入token的上下文表示序列:  
 h = ( h 1 , . . . , h m ) h = (h\_1, . . . , h\_m) h=(h1,...,hm)  
前馈网络:  
 p s t a r t i = s o f t m a x ( f s t a r t ( h 1 ) , . . . , f s t a r t ( h m ) ) i p\_\{start\}^ i = softmax (f\_\{start\}(h\_1), . . . , f\_\{start\}(h\_m))\_i pstarti=softmax(fstart(h1),...,fstart(hm))i

p e n d i = s o f t m a x ( f e n d ( h 1 ) , . . . , f e n d ( h m ) ) i p\_\{end\}^ i = softmax (f\_\{end\}(h\_1), . . . , f\_\{end\}(h\_m))\_i pendi=softmax(fend(h1),...,fend(hm))i

> 通过 f s t a r t ( h i ) a n d f e n d ( h i ) f\_\{start\}(hi) and f\_\{end\}(hi) fstart(hi)andfend(hi)计算每个token的得分，再通过softmax得到概率分布。

提取答案范围：  
 ( s , e ) = a r g m a x s ≤ e   p s s t a r t p e e n d (s, e) = \\underset \{s \\le e\} \{arg max\} \\ p\_s^\{start\} p\_e^\{end\} (s,e)=s≤eargmax psstartpeend

### Multi-span Model ###

#### Span Extraction as Sequence Tagging ####

与Single-span Model相同的是：使用相同的上下文表示 h h h

不同的是：不是预测开始和结束概率，而是为每个标记在一组标签上输出概率分布。

two tagging schemes：

*  BIO
    
    > B：表示输出范围的第一个标记
    > 
    > I：表示范围中的后续标记
    > 
    > O：表示不属于输出范围的标记
 *  IO
    
    > I：单词被标记为答案的一部分
    > 
    > O：单词未被标记为答案的一部分

> 本文选择较为简单的**IO**

*这里给一个例子：*

![image-20210118200430617][]

第i个token的标签的概率：  
 p i = s o f t m a x ( f ( h i ) ) p\_i= softmax(f(h\_i)) pi=softmax(f(hi))

#### Training ####

给定的答案跨度在输入中多次出现的情况：

> input：“X Y Z Y Z”
> 
> answer span：\{“X”, “Z”\},
> 
> taggings：B O B O B, B O B O O, and B O O O B.
> 
>  *  X必然会出现
>  *  Y必然不会出现
>  *  Z至少出现1次

**在这种情况下不能明确确定基本事实BIO。**

为了处理这种情况，列举了所有可能出现的标签组合：  
 p o s s i b l y − c o r r e c t t a g g i n g s , τ possibly-correct taggings, \\tau possibly−correcttaggings,τ  
通过最大化所有可能的正确标记的边界概率来训练模型  
 log ⁡   p ( τ ∣ h ) = l o g ∑ T ∈ τ ( Π i = 1 m ( p i \[ T i \] ) ) \\log\\ p(\\tau | h) = log \\sum\_\{T ∈ \\tau\}(\\Pi^m\_\{i=1\}(p\_i\[T\_i\])) log p(τ∣h)=logT∈τ∑(Πi=1m(pi\[Ti\]))

>  p i \[ T i \] p\_i\[T\_i\] pi\[Ti\]是token i拥有标签 T i T\_i Ti的概率。
> 
> 当p为1是损失最小。

#### Decoding Spans from a Tagging ####

T ^ = a r g max ⁡ T ∈ ν ( Π i = 1 m ( p i \[ T i \] ) ) \\hat\{T\} = \\underset\{T∈\\nu\}\{arg\\max\} (\\Pi^m\_\{i=1\}(p\_i\[T\_i\])) T^=T∈νargmax(Πi=1m(pi\[Ti\]))

>  T ^ \\hat\{T\} T^：最有可能的标记
> 
>  ν \\nu ν：所有有效标记的集合

对于**IO**标签，所有标签均有效，并且通过独立预测每个token中概率最高的标签来实现最大化。

> 由于答案跨度在RC任务中从不相邻，因此**IO**标记通过选择所有以**I**连续标记的最大跨度来生成一组跨度。

### “Multi-Head” Models ###

一些RC数据集包含的一些问题，其输出不一定是跨度的，例如：通过算术运算获取答案。

对此一些模型使用了\*\*\*multi-head architecture\*\*\*  
 p z ( a ∣ q , c ) = p z ( a ∣ h ) p\_z(a | q, c) = p\_z(a | h) pz(a∣q,c)=pz(a∣h)

> 每个head z是一个小模块，将上下文表示h作为输入并计算答案的概率分布。

为了确定哪个问题需要使用哪个头，需要训练一个附加模型：  
 p h e a d ( z ∣ q , c ) = p h e a d ( z ∣ h ) p\_\{head\}(z | q, c) = p\_\{head\}(z | h) phead(z∣q,c)=phead(z∣h)  
答案的概率分布：  
 p ( a ∣ q , c ) = ∑ z p h e a d ( z ∣ q , c ) ⋅ p z ( a ∣ q , c ) p(a | q, c) = \\sum\_z p\_\{head\}(z | q, c) · p\_z(a | q, c) p(a∣q,c)=z∑phead(z∣q,c)⋅pz(a∣q,c)

## 数据集 ##

*  DROP
    
    > DROP’s leaderboard：https://leaderboard.allenai.org/drop/submissions/public
 *  QUOREF

## 性能水平 ##

![image-20210119092212691][]

*  模型比较：
    
    在DROP上:
    
     使用 B E R T L A R G E BERT\_\{LARGE\} BERTLARGE作为encoder的 T A S E B I O + S S E ( B E R T L A R G E ) TASE\_\{BIO\}+SSE (BERT\_\{LARGE\}) TASEBIO\+SSE(BERTLARGE)超越所有处理multi-span questions的模型。相比 B E R T − C A L C BERT-C\_\{ALC\} BERT−CALC和 M T M S N MTMSN MTMSN效果较为显著。
    
    在QUOREF上:
    
     处理multi-span questions是性能远超 C o r e f R o B E R T a L A R G E CorefRoBERTa\_\{LARGE\} CorefRoBERTaLARGE 20个百分点。
 *  跨度提取架构比较
    
     在DROP和QUOREF中，用多跨度提取替换单跨度提取可以显著改善多跨度问题的性能，而单跨度问题的性能较之前变化不大。这表明多跨度架构本身可以用作通用跨度提取方法。
 *  tagging方案的效果比较
    
     **BIO**和**IO**方案，结果非常相似。**IO**略占优势。

## 结论 ##

本文提出的的 T A S E I O + S S E TASE\_\{IO\} + SSE TASEIO\+SSE模型在整个测试集上都取得了较高的得分。

本文将回答多跨度问题的任务作为序列标记问题，并提出了一个简单的对应多跨度体系结构。 使用多跨度体系结构替换标准的单跨

度体系结构可以显著改善多跨度问题的结果，而不会损害单跨度问题的性能，从而获得较好的QUOREF结果。 将多跨度架构集成到现有模

型中可以进一步提高DROP的性能。

[image-20210118200430617]: /images/20221024/ef46d3e0e5f04c2c84734303d1f6bb15.png
[image-20210119092212691]: /images/20221024/e0e0c703beaa47bb9d3c4959d9e3191f.png