Joint Learning of Answer Selection and Answer Summary Generation in Community Question Answering

【AAAI 2020 阿里巴巴论文】与业务结合的地方: 社区问答(Community question answering)最近在学术界和行业中都越来越受到重视，它在构建自动问答系统(譬如阿里小蜜，天猫精灵等产品)扮演着重要的角色。
技术创新点: 但是，众包答案的冗长限制了答案选择的性能。为了解决这一问题，我们通过设计一个新颖的联合学习模型来同时解决CQA中的答案选择和答案摘要生成的任务。具体来说，我们设计了一个问题驱动的指针生成器网络，该网络利用问题-答案对之间的相关信息来帮助生成答案摘要。同时，当对问题-答案对的相关度进行排序时，我们利用答案摘要来减少原始冗长答案中的噪音。此外，我们构建了一个新的大型CQA语料库WikiHowQA，其中包含用于答案选择的长答案以及用于答案摘要的参考摘要。实验结果表明，联合学习方法可以有效地解决CQA中的答案冗余问题，并在答案选择和文本摘要任务上都达到了最新的结果。此外，该模型对缺乏参考答案摘要的资源匮乏的CQA任务具有很大的转移能力和适用性。

作者介绍

Yang Deng; Wai Lam; Yuexiang Xie; Daoyuan Chen; Yaliang Li; Min Yang; Ying Shen