10.3969/j.issn.1003-0077.2020.06.011
面向多类型问题的阅读理解方法研究
机器阅读理解是基于给定文本,自动回答与文本内容相关的问题.针对此任务,学术界与工业界提出多个数据集与模型,促使阅读理解取得了一定的进步,但提出的模型大多只是针对某一类问题,不能满足现实世界问题多样性的需求.因此,该文针对阅读理解中问题类型多样性的解答展开研究,提出一种基于Bert的多任务阅读理解模型,利用注意力机制获得丰富的问题与篇章的表示,并对问题进行分类,然后将分类结果用于任务解答,实现问题的多样性解答.该文在中文公共阅读理解数据集CAIL2019-CJRC上对所提模型进行了实验,结果表明,系统取得了比所有基线模型都要好的效果.
阅读理解、分类、注意力机制、多类型问题
34
TP391(计算技术、计算机技术)
国家重点研发计划重点专项项目;国家自然科学基金;山西省研究生联合培养基地人才培养项目
2020-07-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
81-88