|
--- |
|
license: mit |
|
language: |
|
- zh |
|
metrics: |
|
- accuracy |
|
- f1 |
|
- EM |
|
--- |
|
|
|
## DRCD dataset |
|
[台達閱讀理解資料集 Delta Reading Comprehension Dataset (DRCD)](https://github.com/DRCKnowledgeTeam/DRCD) 屬於通用領域繁體中文機器閱讀理解資料集。 DRCD資料集從2,108篇維基條目中整理出10,014篇段落，並從段落中標註出30,000多個問題。 |
|
|
|
## Available models |
|
- mT5 (base on **[google/mt5-base](https://huggingface.co/google/mt5-base)**) |
|
|
|
## Abstract |
|
我們提出了Abstracting from Confusion（AFC），並利用DRCD資料集進行微調，微調10個Epoch。 |
|
|
|
在此實驗設計中，DRCD基準資料集中的每個問題，會搭配10個和問題最相近的段落，額外還有1個保證包含正確答案的最佳段落(The Best Passage)，在BERT閱讀器測試方面，每次進行閱讀理解測試時，是輸入問題和最佳段落，並對比閱讀器預測結果和標準答案之間的差異，計算出F1分數和EM分數。 |
|
對比閱讀器預測結果和標準答案之間的差異，計算出F1分數和EM分數，分別測試兩個閱讀器，我們可以發現AFC閱讀器的表現並不遜色於BERT閱讀器，甚至在分數表現上更好。 |
|
|
|
在我們的情境中，基於Text-to-Text Generation概念實作出來的Extractor，在混雜資料上的表現，更優於Bert，詳細參考[基於 Fusion-in-Decoder 之中文開放領域問答研究](https://hdl.handle.net/11296/pw6dt5) |
|
|
|
## Method |
|
|
|
將問題(Question)和10句各自獨立的句子(Sentences)組合成輸入，模型可以推理出這10個句子中和問題最相符的答案。 |
|
|
|
Input=question:balabal context:senten1[SEP]senten2[SEP]senten3.... |
|
Output=abstract result |
|
|
