D-Reader:一种以全文预测的阅读理解模型

摘要：

该文针对2018机器阅读理解技术竞赛提出一个基于双向注意流(BiDAF)BiDAF的阅读理解模型,实作于DuReader中文问答数据集.该文观察到基线系统采用与问题最相近的段落,作为预测的筛选条件,而改以完整段落来预测答案,结果证实优于原方法.并利用fastText训练词向量以强化上下文信息,最后通过集成学习优化结果,提升效能与稳定性.此外,针对DuReader的是非类题型,该文集成两个分类模型,分别基于注意力机制(atten-tion)与相似性机制(similarity)来预测答案类别.该模型最终在"2018机器阅读理解技术竞赛"的评比中得到了ROUGE-L 56.57与BLEU-448.03.

关键词：机器阅读理解、DuReader、双向注意流、集成学习

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：135-142