通过检测语义分歧识别无答案问题

摘要：

机器阅读理解中存在无法仅从给定文档中获取问题答案的特殊情况,为此,基于语义冲突检测的机器阅读理解网络(SCDNet)提出应通过检测问题与文档内容之间的语义分歧来识别这种情况.经分析发现,文档无法为问题提供答案的根本原因主要分为两类:一是文档中不包含问题所需的语义信息;二是二者包含的语义成分之间存在分歧.据此推断,可以通过检测文档语义信息是否全面涵盖问题所需的信息来识别问题是否可由文档信息给出回答.此外,通过在损失函数中加入答案文本长度惩罚项,网络优化目标函数更接近评测指标,系统性能得到提升.网络模型使用联合训练模型建模无答案的问题识别与答案抽取2个子任务,并使用端到端的方式训练.实验结果证明,其对无答案问题类别预测的正确率超过了性能先进的基线模型SAN2郾0,在SQuAD2郾0数据集上取得了72郾43的F1值和76郾96的无答案问题识别正确率.

关键词：机器阅读理解、问答系统、无答案的问题

所属期刊栏目：42

分类号：TN929.53

资助基金：中央高校基本科研业务费专项资金项目500419302

在线出版日期：2020-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：126-133,141