基于QU-NNs的阅读理解描述类问题的解答

• 作者: 刘蓓 王元龙 谭红叶
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 阅读理解 描述类问题 问题理解 神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 问答、对话、阅读理解
• 页码范围: 102-109
• 页数: 8页
• 分类号: TP391
• 字数: 6362字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.03.014

摘要

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 Understanding-Neural 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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭红叶	山西大学计算机与信息技术学院	36	463	9.0	21.0
5	王元龙	山西大学计算机与信息技术学院	7	10	2.0	3.0
6	刘蓓	山西大学计算机与信息技术学院	2	1	1.0	1.0