要約
情報探索は、大規模なコーパスから効率的に証拠を収集するためのオープンドメイン質問応答において不可欠なステップである。近年、複雑な質問に対して、各ステップで再帰的に新たな証拠を取得する反復的手法が有効であることが示されている。しかし、現存するほとんどすべての反復的手法は、事前に定義された戦略に依存しており、同じ検索関数を複数回適用するか、あるいは異なる検索関数の実行順序を固定するといった方法を採用している。このようなアプローチは、質問の多様な要件に対応するには不十分である。本論文では、オープンドメイン質問応答のための新たな適応型情報探索戦略、すなわちAISO（Adaptive Information-Seeking Strategy）を提案する。具体的には、検索と回答の全体プロセスを部分的に観測可能なマルコフ意思決定過程（POMDP）としてモデル化し、3種類の検索操作（例：BM25、DPR、ハイパーリンク）および1種類の回答操作を行動として定義する。学習された方策に基づき、AISOは収集された証拠および再定式化されたクエリを踏まえて、各ステップで必要な証拠を適切に探索するための検索行動を動的に選択する。また、証拠集合が質問に対して十分であると判断された場合には、直接答えを出力する。SQuAD OpenおよびHotpotQA fullwikiという、単一ホップおよびマルチホップのオープンドメインQAベンチマーク上での実験結果から、AISOはあらゆる事前定義戦略に基づくベースライン手法を、検索および回答評価の両面で上回ることが示された。