Tell Me Why: Question Answering를 원격 감독으로 활용한 답변 근거 설명

질의응답(QA)의 많은 응용 분야에서, 주어진 모델이 특정 답변을 선택한 이유를 설명할 수 있는 능력은 핵심적인 요소이다. 그러나 답변 근거(Justification)에 대한 레이블링된 데이터 부족으로 인해 이러한 근거를 학습하는 것은 어렵고 비용이 많이 든다. 본 연구에서는 답변의 정당화를 답변 순위화(ranking)를 통해 원거리 감독(distant supervision)으로 활용하는 접근법을 제안한다. 여기서 정당화는 질문과 정답 사이의 추론적 연결(high-level inference)을 제공하며, 일반적으로 질문이나 정답과 거의 일치하는 어휘적 중복을 포함하지 않는다. 우리는 답변의 정당화를 답변 선택 과정의 중간 단계(사람이 이해할 수 있는 단계)로 재순위화하는 신경망 아키텍처를 제안한다. 본 접근법은 질문, 정답, 그리고 답변 정당화 간의 관계를 포착하기 위해 학습된 표현과 명시적 특징을 결합하도록 설계된 특징 세트에 기반한다. 제안하는 엔드투엔드(end-to-end) 접근법을 통해 강력한 정보 검색(IR) 기반 모델에 비해 정당화 재순위화 성능(+9% 높은 관련성 평가), 그리고 답변 선택 성능(+6% P@1)에서 상당한 향상을 달성함을 보여준다.