基于双线性函数注意力Bi-LSTM模型的机器阅读理解

摘要：

近年来,随着深度学习(Deep Learning)在机器阅读理解(Machine Reading Comprehension)领域的广泛应用,机器阅读理解迅速发展.针对机器阅读理解中的语义理解和推理,提出一种双线性函数注意力(Attention)双向长短记忆网络(Bi directional-Long Short-Term Memory)模型,较好地完成了在机器阅读理解中抽取文章、问题、问题候选答案的语义并给出了正确答案的任务.将其应用到四六级(CET-4,CET-6)听力文本上测试,测试结果显示,以单词为单位的按序输入比以句子为单位的按序输入准确率高2％左右;此外,在基本的模型之上加入多层注意力转移的推理结构后准确率提升了8％左右.

关键词：深度学习、机器阅读理解、注意力、Bi-LSTM

所属期刊栏目：44

分类号：TP181(自动化基础理论)

在线出版日期：2017-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：92-96,122