基于深度学习的机器阅读理解研究综述
机器阅读理解任务在近年来备受关注,它赋予计算机从文本数据中获取知识和回答问题的能力.如何让机器理解自然语言是人工智能领域长期存在的挑战之一,近年来大规模高质量数据集的发布和深度学习技术的运用,使得机器阅读理解取得了快速发展.基于神经网络的端到端的模型结构,基于预训练语言模型以及推理技术的应用,其性能在大规模评测数据集上有很大提升,但距离真正的理解语言还有较大差距.本文对机器阅读理解任务的研究现状与发展趋势进行了综述,主要包括任务划分、机器阅读理解模型与相关技术的分析,特别是基于知识推理的机器阅读理解技术,总结并讨论了该领域的发展趋势.
机器阅读理解、自然语言处理、深度学习、神经网络、端到端模型、知识推理、预训练语言模型、人工智能
17
TP391(计算技术、计算机技术)
北京市自然科学基金;国家语委信息化项目
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
1074-1083