面向自动问答的机器阅读理解综述

• 作者: 杨康 高明 黄定江
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 人工智能 智适应教育 深度学习 机器阅读理解
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 数据驱动的计算教育学
• 页码范围: 36-52
• 页数: 17页
• 分类号: TP391
• 字数: 13432字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2019.05.003

摘要

人工智能正在深彻地变革各个行业.AI与教育的结合加速推动教育的结构性变革,正在将传统教育转变为智适应教育.基于深度学习的自动问答系统不仅可帮助学生实时解答疑惑、获取知识,还可以快速获取学生行为数据,加速教育的个性化和智能化.机器阅读理解是自动问答系统的核心模块,是理解学生问题,理解文档内容,快速获取知识的重要技术.在过去的几年里,随着深度学习复兴以及大规模机器阅读数据集的公开,各种各样的基于神经网络的机器阅读模型不断涌现.这篇综述主要讲述3方面的内容:介绍机器阅读理解的定义与发展历程;分析神经机器阅读模型之间的优点及不足;总结机器阅读领域的公开数据集以及评价方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高明	华东师范大学数据科学与工程学院	14	151	5.0	12.0
2	黄定江	华东师范大学数据科学与工程学院	5	8	2.0	2.0
3	杨康	华东师范大学数据科学与工程学院	1	1	1.0	1.0