机器阅读理解中观点型问题的求解策略研究

• 作者: 李爱萍 段利国 高建颖
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 深度学习 机器阅读理解 注意力机制 Bi-GRU
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 阅读理解与文本生成
• 页码范围: 81-89
• 页数: 9页
• 分类号: TP391
• 字数: 6341字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.10.010

摘要

针对机器阅读理解中观点型问题的求解,提出一个端到端深度学习模型,使用Bi-GRU对文章和问题进行上下文语义编码,然后运用基于拼接、双线性、点乘和差集4种函数的注意力加上Query2Context和Context2Query两个方向注意力的融合算法获取文章和问题的综合语义信息,之后运用多层注意力转移推理机制不断聚焦,进一步获取更加准确的综合语义,最终将其与候选答案进行比较,选出正确答案.该模型在AIchallager2018观点型阅读理解中文测试数据集上准确率达到76.79％,性能超过基线系统.此外,该文尝试文章以句子序列作为输入表示进行答案求解,准确率达到78.48％,获得较好试验效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李爱萍	太原理工大学信息与计算机学院	32	234	8.0	14.0
2	段利国	太原理工大学信息与计算机学院	41	364	10.0	18.0
3	高建颖	太原理工大学信息与计算机学院	1	0	0.0	0.0