会话式机器阅读理解概述

1

会话式机器阅读理解是什么？

如何在会话式阅读理解里面能够建模它的implicative reasoning，即如何去学习会话与阅读理解篇章之间的蕴含关系。 在这篇文章中，讲者概述了两种常见阅读理解的类型： 第一种是标准的阅读理解，该模式是指，给定一篇描述型的文章和一个基于事实型的问题，通过匹配文章和问题，从文章中抽取一个span来回答这个问题； 第二种是会话式的问答，与标准的单轮问答不同，需要追问新问题，即follow up question，同时问题是以交互的形式出现。会话式问答，存在两个挑战，一个是需要能理解篇章，另一个是能够理解交互的会话本身。 基于会话式问答，讲者引入一个例子简单说明（图1）。

比如，用户简单描述了自己的情况（Scenario），但用户的问题并不能直接从文章(Rule Text)中获取，往往这个文章可能是一个比较通用的、相当于是一个法规或者法律的篇章。 比如，说明能够申请7a贷款的人，需要具备什么样的条件，但针对用户问题在文章中没有直接的答案，必须和用户进行一个交互，才能得到明确的回答。例子中，成功申请贷款的条件有三个，所以还需再问另外的条件。 比如，能不能够在别的地方获取它的资金来源，假如用户说no的话，这时候就可以给他一个答案，也就是说你可以申请。 因此，在这种情形下，就需要既能够读懂这篇文章，理解文章中的规则，也要能够主动地和用户交互，从用户那边获取一些需要知道的信息，最终再给他一个决策。

图1 定义该项任务常用的数据集是ShARC (shaping answers with rules through conversation 的简称)，数据集的设定是：给定Rule Text；用户描述自己的Scenario（Background）；用户提出question；已有的问答（Dialog History）。 整个过程可以概述为，由于用户给定的background往往不明确，机器需要进行几轮交互，然后从交互中获取一些跟规则有关的信息，然后告诉用户具体答案。 整个任务有两个子任务： 任务一，整合Rule Text，Scenario，Question以及通过几轮交互从用户获取的信息，作为模型输入，然后做出决策（Decision Making）。

该决策包含四种类型：一种是根据现有的信息能够作出yes or no 的决策；或者有些情况下，用户的问题可能与给定Rule Text无关，或根据Rule Text并不能解决问题，则会出现unanswerable的答案；另一种情况是Rule Text中需要满足很多条件，但有些条件机器不确定是否满足，需要作出inquire的决策，主动从用户那里获取更多信息，直至几轮交互后能够作出yes or no的决策。 任务二，如果生成的决策是inquire，则需要机器问一个follow-up question，该问题能根据Rule Text引导用户提供一些没有提供的信息，便于进一步的决策。

图2  2

会话式机器阅读理解的初探

2.1 模型介绍 负采样 针对于该任务，讲者主要介绍了两项工作，首先是发表于ACL2020的文章“Explicit Memory Tracker with Coarse-to-Fine Reasoning for Conversational Machine Reading”。 该工作的贡献有两个： a. 针对决策，提出了explicit tracker，即能够显示的追踪文章中条件是否被满足； b. 采用coarse-to-fine方法抽取Rule Text中没有被问到的规则、条件等。

图3 模型主要包括了四部分：1.Encoding→ 2.Explicit Memory Tracking→ 3.Decision Making→ 4.Question Generation，整体结构如下：

图4 (1) Encoding 将Rule Text中的句子分开，比如分为三个句子，在每个句子前加一个[CLS]表征句子特征，同时把queestion，scenario以及用户的会话历史加起来，也用[CLS]表征，拼接起全部特征后，通过BERT进行encoding。

图5 (2) Explicit Memory Tracking 该部分的目的在于挖掘出存在于Relu Text的句子中与用户提供的信息（比如initial question 和dialog history）之间的implication。 针对于此，提出了explict memory tracker，类似于recurrent的思想，逐步的把用户的信息和Relu Text中的规则进行交互，从而更新每一个规则的memory里对应的value，最终得到每一个条件满足，不满足或者不知道的一个状态。 经过n次更新完后，每一个rule 都会得到key-value对。

图6 (3) Decision Making 对n次更新完后的key-value做self-attention，经过一个线性层做四分类，即Yes, No, Irrelevant, Inquire。

图7 同时，还设计了一个subtask，即对最终更新完之后的key-value做一个预测，显示的预测该规则是Entailment，Prediction还是Unknown。该预测任务和Decision Making一起进行训练。

图8 (4) Question Generation 若得到的决策是Inquire，就要求继续做一个follow-up question的generation。 主要包括两个步骤： 第一步，从rule 中抽取一个span，具体是使用了一种coarse-to-fine 的做法，如下图所示。由于在Entailment prediction，句子的unknown分数越高，表示该句子越可能被问；若句子状态是Entailment或者Contradiction，说明该句子状态已知，没必要继续问下去。 因此，选择每一个句子在Entailment prediction中unknown的分数，并在每一个句子中计算抽取start和end的分数，然后将这两个分数相乘，综合判断哪一个span最有可能被问到。

图9 第二步，就是把span和rule 拼接起来，经过一个预训练模型将其rephrase一个question。

图10 2.2 实验验证 负采样 使用ShARC数据集进行实验验证，包含了两个任务的评价：分别为对于Decision Making任务采用 Marco-Accuracy 和Micro-Accuracy评价；以及对于问题生成采用BLEU Score评价。 此外，讲者考虑到在end-to-end evaluation时，存在一个缺点，也就是说，对于评价问题生成时，模型是基于决策这部分的水平去做问题生成的评价，这使得每个模型之间问题生成的表现不好比较，因此提出一个oracle question generation evaluation，即只要当Ground truth decision 是inquire，就对其问题生成的水平进行评价。 在测试集上得到的结果验证了所提出的Entailnment Memory Tracker（EMT）模型较其他模型效果有很大提升，尤其在问题生成方面效果显著。

表1 具体分析每一类决策的准确率，可验证Inquire的效果要更好，主要因为模型能显式的追踪模型的一些状态，而不是简单的学习模型中一些Pattern。 此外，在oracle question generation evaluation数据集上，与之前最好的模型E3，以及加上UniLM的模型进行对比，同样也证明了采用Coarse-to-Fine的方法抽取span，在问题生成方面具有更好的效果。

表2 同时，讲者给出了一个例子，更形象明白的说明了所提出的模型具备可解释性。

图11  3

如何更好地进行会话式机器阅读理解

3.1 问题提出负采样 进一步，讲者介绍了第二项工作，该工作与前者的侧重点有所不同，存在两个差异： 第一，document interpretation，主要由于第一项工作只是简单的对句子进行了一个切分，但实际上有些conditions（比如，上述例子中的American small business for profit business）是长句子中从句的条件，因此，第二项工作侧重如何去理解这样的条件。比如，能申请7(a)贷款，需要满足（①==True and ②==True and ③==True）的条件，这在第一项工作中是没有被建模的。

图12 第二，dialogs understanding，即对于会话并没有做特别显式的理解。比如，在会话第一轮发现rule之间是and的关系，并且在Scenairo中抽取出条件，说明第一个rule是true，但还要继续问第二个和第三个rule，所以给定Inquire的决策，直至满足所有的rule后，才能给一个“You can apply the loan”的回答。

3.2 模型介绍负采样 因此，该项工作主要基于这两点，提出先采用Discourse Segmentation的方法显式的把条件更好地抽取出来，之后做Entailment Reasoning 显式地预测每一个状态是否被满足，如果预测结果是Inquire，还需要做一个Follow-up Question Generation。

具体的，在discourse segmentation 中主要有两个目标：其一是明白Rule Text中的逻辑关系；其二是将句子中的条件更好地抽取出来。比如，对于一个rule采用Discourse Segmentation的方法将其抽取成三个elementary discourse unit （EDU），比如，下图中EDU1 ，EDU3是条件，然后EDU2是一个结果，这样的一个关系。

图15 如何实现Entailment Reasoning？ 与工作一类似，在EDU抽取之后，将其与之前的用户Question，Scenairo 以及Dialog History拼接起来，经过预训练模型，得到每一个phrase的表征。然后采用多层transformer模型预测rule中每一个EDU 的状态，是Entailment、Contradiction，或者Neutral。 多层transformer模型较之前recurrent思想的模型更优秀，其不仅能在用户信息与rule之间做交互，也能更好的理解rule本身的逻辑结构（比如，conjunction，disconjunction等 ）。 进一步，如何实现Decision Making? 在做决策时，根据学习到的Entailment、 Contradiction、Neutral向量，去映射前一步做Entailment Prediction的三个分数，得到每一个EDU的状态vector，同时拼接该状态vector与EDU本身的语义表示，作为Decision Classifier 输入，从而得到决策。

图163.3 实验验证及结论负采样 同样地，实验也是在ShARC数据集上进行。实验结果表明，使用discourse segmentation加上更好的更显式的Reasoning的模式，较之前使用EMT模型具有更好的性能表现，在Micro Accuracy和Macro Accuracy上差不多高出4%。

表3 在Ablation Study中，首先对比了RoBERTa和BERT之间的区别，表明了RoBERTa对于Reasoning的任务具有一定的贡献；其次，说明了采用discourse segmentation划分一个句子为多个EDU形式的效果优于仅对句子进行划分的结果；然后，证明了采用Transformer显示地对用户信息和问题之间做交互是有必要的；最后，证明了拼接Entailment vector和EDU本身的语义表示，对最终决策具有相当大的贡献。

表4 进一步，分析了不同逻辑结构下模型的结果表现。这里粗略分成4种规则的逻辑结构，即Simple、Disjunction、Conjunction以及Other。结果表示，模型在Simple形式下具有最好效果，然而在Disjunction形式下效果较差。

图17 为什么模型对于Disjunction，做出的决策效果较差？ 考虑到模型涉及两部分内容，一是dialogue understanding；二是对 scenario的理解。 因此，讲者进一步做了如下实验，就是把这两块内容分开，选择一个只用到dialogue understanding 的子集，再选择一个只用到scenario Interpretation的子集，进行实验。 结果表明，只用到dialogue understanding 的子集的模型效果要优于用到整个数据集的效果，但在scenario Interpretation的子集上，实验效果差了很多。 该现象的原因在于，用户自己的background (scenario) 可能用到了很多reasoning的方式，与rule 不完全一样，因此对scenario的理解是比较差的。很多时候scenario里提到了关键信息但是模型并没有抽取成功，从而继续做出inquire的决策。这也可能是导致Disjunction决策效果较差的原因。

图18  4

总结

综上，讲者团队分别提出了Explicit Memory Tracker with Coarse-to-Fine Reasoning 以及Discourse aware Entailment Reasoning的方法，并且在ShARC数据集上效果很好，同时设计实验分析了数据集本身的难点以及模型的缺陷，为后续研究指明可拓展方向。

责任编辑：xj

       原文标题：香港中文大学高一帆博士：会话式机器阅读理解

文章出处：【微信公众号：通信信号处理研究所】欢迎添加关注！文章转载请注明出处。