UniK-QA：面向开放域问答的结构化与非结构化知识统一表示

我们研究在结构化、非结构化及半结构化知识源（包括文本、表格、列表和知识库）支持下的开放域问答任务。与以往工作不同，我们提出了一种统一的方法，通过将所有知识源统一转化为文本形式，从而实现对异构数据的同质化处理，并应用此前仅限于文本源的检索-阅读（retriever-reader）模型。相比最新的基于图的方法，该方法在知识库问答任务上的性能显著提升11个百分点。更重要的是，我们证明了所提出的统一知识模型（UniK-QA）是一种简单而高效融合异构知识源的途径，在两个主流问答基准测试——NaturalQuestions和WebQuestions上，分别将当前最先进水平分别提升了3.5和2.6个百分点。UniK-QA的代码已开源，地址为：https://github.com/facebookresearch/UniK-QA。