Lire + Vérifier : Compréhension de la Lecture par Machine avec des Questions Irrépondables

La compréhension de la lecture par machine avec des questions sans réponse vise à s'abstenir de répondre lorsque aucune réponse ne peut être déduite. Outre l'extraction des réponses, les travaux précédents prédisaient généralement une probabilité supplémentaire de « non-réponse » pour détecter les cas sans réponse. Cependant, ils ne parvenaient pas à valider la réponse possible d'une question en vérifiant la légitimité de la réponse prédite. Pour résoudre ce problème, nous proposons un système innovant de lecture puis vérification, qui non seulement utilise un lecteur neuronal pour extraire des réponses candidates et produire des probabilités de non-réponse, mais également fait appel à un vérificateur de réponses pour décider si la réponse prédite est impliquée par les extraits d'entrée. De plus, nous introduisons deux pertes auxiliaires pour aider le lecteur à mieux gérer l'extraction des réponses ainsi que la détection des non-réponses, et nous examinons trois architectures différentes pour le vérificateur de réponses. Nos expériences sur le jeu de données SQuAD 2.0 montrent que notre système obtient un score de 74,2 F1 sur l'ensemble de test, atteignant des résultats d'état de l'art au moment de la soumission (le 28 août 2018).