一种应用于填空型阅读理解的句式注意力网络

摘要：

机器阅读理解是针对问题、文章、答案这个元组的建模问题,目的是根据问题中的关键词和关键词间的关系,给出问题答案.本文研究填空型阅读理解中候选答案与问题句式结构的对齐问题,提出一种基于注意力机制的序列学习模型,句式注意力网络SAN.首先,SAN的词嵌入层后添加一个前向GRU网络实现问题对文章句子的全局筛选,缩小候选文章内容范围.之后参照问题与文章句子的内容与结构确定答案,使用句式注意力结构对文章与问题进行实体对齐,再依据实体间的相似性获取问题答案.实验通过人工数据集Children's BookTest进行验证,结果表明SAN模型回答问题的准确程度和速度都比AOA模型好.

关键词：机器阅读、填空型理解、句子筛选、句式注意力

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61003031资助:上海重点科技攻关项目14511107902;上海市工程中心建设项目GCZX14014;上海市一流学科建设项目XTKX2012;上海市数据科学重点实验室开放课题项目201609060003;沪江基金研究基地专项项目C14001

在线出版日期：2019-06-26（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：482-487