-
题名基于BiDAF多文档重排序的阅读理解模型
被引量：4
- 1
-
-
作者
杨志明
时迎成
王泳
潘昊杰
毛金涛
-
机构
中国科学院软件研究所
中国科学院大学
深思考人工智能机器人科技(北京)有限公司
-
出处
《中文信息学报》
CSCD
北大核心
2018年第11期117-127,共11页
-
基金
国家自然科学基金(61303155)
中国科学院2017年度大学生创新实践项目基金(118900FA12)
-
文摘
随着互联网的兴起和发展,数据规模急速增长,如何利用机器阅读理解技术对海量的非结构化数据进行解析,从而帮助用户快速、准确地查找到满意答案,是目前自然语言理解领域中的一个热门课题。该文通过对机器阅读理解中的深度神经网络模型进行研究,构建了RBiDAF模型。首先,通过对DuReader数据集进行数据探索,并对数据进行预处理,从中提取出有利于模型训练的特征。其次在BiDAF模型的基础上提出了基于多文档重排序的RBiDAF机器阅读理解模型,该模型在BiDAF模型四层网络框架的基础上添加了ParaRanking层。其中在ParaRanking层,该文提出了多特征融合的ParaRanking算法,此外在答案预测层,提出了基于先验知识的多答案交叉验证算法,进而对答案进行综合预测。在"2018机器阅读理解技术竞赛"的最终评测中,该模型表现出了不错的效果。
-
关键词
机器阅读理解
多文档投票
ParaRanking
-
Keywords
machine reading comprehension
multi-document voting
ParaRanking
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
