1

會話式機器閱讀理解是什么？

如何在會話式閱讀理解里面能夠建模它的implicative reasoning，即如何去學習會話與閱讀理解篇章之間的蘊含關系。 在這篇文章中，講者概述了兩種常見閱讀理解的類型： 第一種是標準的閱讀理解，該模式是指，給定一篇描述型的文章和一個基于事實型的問題，通過匹配文章和問題，從文章中抽取一個span來回答這個問題； 第二種是會話式的問答，與標準的單輪問答不同，需要追問新問題，即follow up question，同時問題是以交互的形式出現。會話式問答，存在兩個挑戰，一個是需要能理解篇章，另一個是能夠理解交互的會話本身。 基于會話式問答，講者引入一個例子簡單說明（圖1）。

比如，用戶簡單描述了自己的情況（Scenario），但用戶的問題并不能直接從文章(Rule Text)中獲取，往往這個文章可能是一個比較通用的、相當于是一個法規或者法律的篇章。 比如，說明能夠申請7a貸款的人，需要具備什么樣的條件，但針對用戶問題在文章中沒有直接的答案，必須和用戶進行一個交互，才能得到明確的回答。例子中，成功申請貸款的條件有三個，所以還需再問另外的條件。 比如，能不能夠在別的地方獲取它的資金來源，假如用戶說no的話，這時候就可以給他一個答案，也就是說你可以申請。 因此，在這種情形下，就需要既能夠讀懂這篇文章，理解文章中的規則，也要能夠主動地和用戶交互，從用戶那邊獲取一些需要知道的信息，最終再給他一個決策。

圖1 定義該項任務常用的數據集是ShARC (shaping answers with rules through conversation 的簡稱)，數據集的設定是：給定Rule Text；用戶描述自己的Scenario（Background）；用戶提出question；已有的問答（Dialog History）。 整個過程可以概述為，由于用戶給定的background往往不明確，機器需要進行幾輪交互，然后從交互中獲取一些跟規則有關的信息，然后告訴用戶具體答案。 整個任務有兩個子任務： 任務一，整合Rule Text，Scenario，Question以及通過幾輪交互從用戶獲取的信息，作為模型輸入，然后做出決策（Decision Making）。

該決策包含四種類型：一種是根據現有的信息能夠作出yes or no 的決策；或者有些情況下，用戶的問題可能與給定Rule Text無關，或根據Rule Text并不能解決問題，則會出現unanswerable的答案；另一種情況是Rule Text中需要滿足很多條件，但有些條件機器不確定是否滿足，需要作出inquire的決策，主動從用戶那里獲取更多信息，直至幾輪交互后能夠作出yes or no的決策。 任務二，如果生成的決策是inquire，則需要機器問一個follow-up question，該問題能根據Rule Text引導用戶提供一些沒有提供的信息，便于進一步的決策。

圖2 2

會話式機器閱讀理解的初探

2.1 模型介紹 負采樣 針對于該任務，講者主要介紹了兩項工作，首先是發表于ACL2020的文章“Explicit Memory Tracker with Coarse-to-Fine Reasoning for Conversational Machine Reading”。 該工作的貢獻有兩個： a. 針對決策，提出了explicit tracker，即能夠顯示的追蹤文章中條件是否被滿足； b. 采用coarse-to-fine方法抽取Rule Text中沒有被問到的規則、條件等。

圖3 模型主要包括了四部分：1.Encoding→ 2.Explicit Memory Tracking→ 3.Decision Making→ 4.Question Generation，整體結構如下：

圖4 (1) Encoding 將Rule Text中的句子分開，比如分為三個句子，在每個句子前加一個[CLS]表征句子特征，同時把queestion，scenario以及用戶的會話歷史加起來，也用[CLS]表征，拼接起全部特征后，通過BERT進行encoding。

圖5 (2) Explicit Memory Tracking 該部分的目的在于挖掘出存在于Relu Text的句子中與用戶提供的信息（比如initial question 和dialog history）之間的implication。 針對于此，提出了explict memory tracker，類似于recurrent的思想，逐步的把用戶的信息和Relu Text中的規則進行交互，從而更新每一個規則的memory里對應的value，最終得到每一個條件滿足，不滿足或者不知道的一個狀態。 經過n次更新完后，每一個rule 都會得到key-value對。

圖6 (3)Decision Making 對n次更新完后的key-value做self-attention，經過一個線性層做四分類，即Yes, No, Irrelevant, Inquire。

圖7 同時，還設計了一個subtask，即對最終更新完之后的key-value做一個預測，顯示的預測該規則是Entailment，Prediction還是Unknown。該預測任務和Decision Making一起進行訓練。

圖8 (4)Question Generation 若得到的決策是Inquire，就要求繼續做一個follow-up question的generation。 主要包括兩個步驟： 第一步，從rule 中抽取一個span，具體是使用了一種coarse-to-fine 的做法，如下圖所示。由于在Entailment prediction，句子的unknown分數越高，表示該句子越可能被問；若句子狀態是Entailment或者Contradiction，說明該句子狀態已知，沒必要繼續問下去。 因此，選擇每一個句子在Entailment prediction中unknown的分數，并在每一個句子中計算抽取start和end的分數，然后將這兩個分數相乘，綜合判斷哪一個span最有可能被問到。

圖9 第二步，就是把span和rule 拼接起來，經過一個預訓練模型將其rephrase一個question。

圖10 2.2 實驗驗證 負采樣 使用ShARC數據集進行實驗驗證，包含了兩個任務的評價：分別為對于Decision Making任務采用 Marco-Accuracy 和Micro-Accuracy評價；以及對于問題生成采用BLEU Score評價。 此外，講者考慮到在end-to-end evaluation時，存在一個缺點，也就是說，對于評價問題生成時，模型是基于決策這部分的水平去做問題生成的評價，這使得每個模型之間問題生成的表現不好比較，因此提出一個oracle question generation evaluation，即只要當Ground truth decision 是inquire，就對其問題生成的水平進行評價。 在測試集上得到的結果驗證了所提出的Entailnment Memory Tracker（EMT）模型較其他模型效果有很大提升，尤其在問題生成方面效果顯著。

表1 具體分析每一類決策的準確率，可驗證Inquire的效果要更好，主要因為模型能顯式的追蹤模型的一些狀態，而不是簡單的學習模型中一些Pattern。 此外，在oracle question generation evaluation數據集上，與之前最好的模型E3，以及加上UniLM的模型進行對比，同樣也證明了采用Coarse-to-Fine的方法抽取span，在問題生成方面具有更好的效果。

表2 同時，講者給出了一個例子，更形象明白的說明了所提出的模型具備可解釋性。

圖11 3

如何更好地進行會話式機器閱讀理解

3.1 問題提出負采樣 進一步，講者介紹了第二項工作，該工作與前者的側重點有所不同，存在兩個差異： 第一，document interpretation，主要由于第一項工作只是簡單的對句子進行了一個切分，但實際上有些conditions（比如，上述例子中的American small business for profit business）是長句子中從句的條件，因此，第二項工作側重如何去理解這樣的條件。比如，能申請7(a)貸款，需要滿足（①==True and ②==True and ③==True）的條件，這在第一項工作中是沒有被建模的。

圖12 第二，dialogs understanding，即對于會話并沒有做特別顯式的理解。比如，在會話第一輪發現rule之間是and的關系，并且在Scenairo中抽取出條件，說明第一個rule是true，但還要繼續問第二個和第三個rule，所以給定Inquire的決策，直至滿足所有的rule后，才能給一個“You can apply the loan”的回答。

3.2 模型介紹負采樣 因此，該項工作主要基于這兩點，提出先采用Discourse Segmentation的方法顯式的把條件更好地抽取出來，之后做Entailment Reasoning 顯式地預測每一個狀態是否被滿足，如果預測結果是Inquire，還需要做一個Follow-up Question Generation。

具體的，在discourse segmentation 中主要有兩個目標：其一是明白Rule Text中的邏輯關系；其二是將句子中的條件更好地抽取出來。比如，對于一個rule采用Discourse Segmentation的方法將其抽取成三個elementary discourse unit （EDU），比如，下圖中EDU1 ，EDU3是條件，然后EDU2是一個結果，這樣的一個關系。

圖15 如何實現Entailment Reasoning？ 與工作一類似，在EDU抽取之后，將其與之前的用戶Question，Scenairo 以及Dialog History拼接起來，經過預訓練模型，得到每一個phrase的表征。然后采用多層transformer模型預測rule中每一個EDU 的狀態，是Entailment、Contradiction，或者Neutral。 多層transformer模型較之前recurrent思想的模型更優秀，其不僅能在用戶信息與rule之間做交互，也能更好的理解rule本身的邏輯結構（比如，conjunction，disconjunction等 ）。 進一步，如何實現Decision Making? 在做決策時，根據學習到的Entailment、 Contradiction、Neutral向量，去映射前一步做Entailment Prediction的三個分數，得到每一個EDU的狀態vector，同時拼接該狀態vector與EDU本身的語義表示，作為Decision Classifier 輸入，從而得到決策。

圖163.3實驗驗證及結論負采樣 同樣地，實驗也是在ShARC數據集上進行。實驗結果表明，使用discourse segmentation加上更好的更顯式的Reasoning的模式，較之前使用EMT模型具有更好的性能表現，在Micro Accuracy和Macro Accuracy上差不多高出4%。

表3 在Ablation Study中，首先對比了RoBERTa和BERT之間的區別，表明了RoBERTa對于Reasoning的任務具有一定的貢獻；其次，說明了采用discourse segmentation劃分一個句子為多個EDU形式的效果優于僅對句子進行劃分的結果；然后，證明了采用Transformer顯示地對用戶信息和問題之間做交互是有必要的；最后，證明了拼接Entailment vector和EDU本身的語義表示，對最終決策具有相當大的貢獻。

表4 進一步，分析了不同邏輯結構下模型的結果表現。這里粗略分成4種規則的邏輯結構，即Simple、Disjunction、Conjunction以及Other。結果表示，模型在Simple形式下具有最好效果，然而在Disjunction形式下效果較差。

圖17 為什么模型對于Disjunction，做出的決策效果較差？ 考慮到模型涉及兩部分內容，一是dialogue understanding；二是對 scenario的理解。 因此，講者進一步做了如下實驗，就是把這兩塊內容分開，選擇一個只用到dialogue understanding 的子集，再選擇一個只用到scenario Interpretation的子集，進行實驗。 結果表明，只用到dialogue understanding 的子集的模型效果要優于用到整個數據集的效果，但在scenario Interpretation的子集上，實驗效果差了很多。 該現象的原因在于，用戶自己的background (scenario)可能用到了很多reasoning的方式，與rule 不完全一樣，因此對scenario的理解是比較差的。很多時候scenario里提到了關鍵信息但是模型并沒有抽取成功，從而繼續做出inquire的決策。這也可能是導致Disjunction決策效果較差的原因。

圖18 4

總結

綜上，講者團隊分別提出了Explicit Memory Tracker with Coarse-to-Fine Reasoning 以及Discourse aware Entailment Reasoning的方法，并且在ShARC數據集上效果很好，同時設計實驗分析了數據集本身的難點以及模型的缺陷，為后續研究指明可拓展方向。

責任編輯：xj

原文標題：香港中文大學高一帆博士：會話式機器閱讀理解

文章出處：【微信公眾號：通信信號處理研究所】歡迎添加關注！文章轉載請注明出處。