基于深度学习的机器中文阅读理解研究

• 作者: 徐鹏飞 李晓戈
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 深度学习 词向量 机器阅读 注意力机制 长短时记忆网络
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 3126-3131
• 页数: 6页
• 分类号: TP391
• 字数: 5502字
• 语种: 中文
• DOI: 10. 3969/j. issn. 1672-9722. 2019. 12. 035

摘要

机器阅读理解目前是机器学习中的一项具有挑战性的任务,它的主要目标是提高计算机对文本的阅读理解水平.近年来,随着深度学习在机器阅读理解领域中的应用越来越多,机器的阅读理解水平也在迅速提高.论文针对机器在中文文章上的阅读理解,搭建了一种带有注意力机制的神经网络模型,并将其应用在中文上下文的阅读理解中,然后分析了模型对中文阅读理解实验结果的影响,以及注意力机制在不同类型的问题上的实验结果.实验结果表明,该模型在中文阅读理解中最终达到了65.253%的F1值和53.154%的匹配度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓戈	西安邮电大学计算机学院	15	171	6.0	13.0
2	徐鹏飞	西安邮电大学计算机学院	2	6	1.0	2.0