(Verzonden op 2 april 2020)

Abstract: Bestaande vraagbeantwoordingssystemen kunnen antwoorden alleen voorspellen zonder expliciete
redeneerprocessen, die hun verklaarbaarheid belemmeren en ons doen overschatten
hun vermogen om natuurlijke taal te begrijpen en te redeneren. In deze
werk, stellen we een nieuwe taak van begrijpend lezen voor, waarin een model
nodig om definitieve antwoorden en redeneerprocessen te geven. Hiervoor hebben wij
een formalisme introduceren voor redeneren over ongestructureerde tekst, namelijk Tekst
Redeneren Betekenis Representatie (TRMR). TRMR bestaat uit drie zinnen, die:
is expressief genoeg om het redeneerproces te karakteriseren om lezen te beantwoorden
begrijpende vragen. We ontwikkelen een annotatieplatform om TRMR's ​​te vergemakkelijken
annotatie, en geef de R3-dataset vrij, een tekstbf{R}begrijpend lezen
benchmark textbf{R}vereist textbf{R}versoepelingsprocessen. R3 bevat meer dan 60K
paren van vraag-antwoordparen en hun TRMR's. Onze dataset is beschikbaar op:
url{http://anoniem}.