摘要

远程监督开放域问答（DS-QA）旨在从无标注文本集合中寻找答案。现有的DS-QA模型通常从大规模语料库中检索相关段落，并采用阅读理解技术从最相关的段落中提取答案，却忽略了其他段落中蕴含的丰富信息。此外，远程监督数据不可避免地存在标注错误问题，这些噪声数据会显著降低DS-QA模型的性能。为解决上述问题，我们提出一种新型DS-QA模型，该模型包含一个段落选择器，用于过滤掉噪声段落，以及一个段落阅读器，用于从去噪后的段落中提取正确答案。在真实数据集上的实验结果表明，所提模型能够有效利用噪声数据中的有用信息，在DS-QA任务上显著优于所有基线方法。