-
题名基于QU-NNs的阅读理解描述类问题的解答
被引量：7
- 1
-
-
作者
谭红叶
刘蓓
王元龙
-
机构
山西大学计算机与信息技术学院
山西大学计算智能与中文信息处理教育部重点实验室
-
出处
《中文信息学报》
CSCD
北大核心
2019年第3期102-109,共8页
-
基金
国家自然科学基金(61673248
61806117)
山西省研究生联合培养基地人才培养项目(2018JD02)
-
文摘
机器阅读理解是自然语言处理(NLP)领域的一个研究热点,目前大部分的研究是针对答案简短的问题,而具有长答案的问题,如描述类问题是现实世界无法避免的,因此有必要对该类问题进行研究。该文采用QU-NNs模型对阅读理解中描述类问题的解答进行了探索,其框架为嵌入层、编码层、交互层、预测层和答案后处理层。由于该类问题语义概括程度高,所以对问题的理解尤为重要,该文在模型的嵌入层和交互层中分别融入了问题类型和问题主题、问题焦点这三种问题特征,其中问题类型通过卷积神经网络进行识别,问题主题和问题焦点通过句法分析获得,同时采用启发式方法对答案中的噪音和冗余信息进行了识别。在相关数据集上对QU-NNs(Question UnderstandingNeural Networks)模型进行了实验,实验表明加入问题特征和删除无关信息可使结果提高2%～10%。
-
关键词
阅读理解
描述类问题
问题理解
神经网络
-
Keywords
reading comprehension
description problems
question understanding
neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
