基于时间卷积网络的机器阅读理解

• 作者: 吴运兵 廖祥文 林世平 陈开志 陈璐
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器阅读理解 整体信息 时间卷积网络
• 年，卷（期）: 2020,（3）
• 页码范围: 276-282
• 页数: 7页
• 分类号: TP391
• 字数: 5898字
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.19381

摘要

针对目前机器阅读理解任务中缺乏有效的上下文信息融合方式和丢失文本的整体信息等情况,提出基于时间卷积网络的机器阅读理解模型.首先将文本的单词转化成词向量并加入词性特征;接着通过时间卷积网络获取问题和文章的上下文表示;之后采用注意力机制来计算出问题感知的文章表示;最后由循环神经网络模拟推理过程得到多步预测结果,并用加权和的方式来综合结果得到答案.实验使用了SQuAD2.0数据集,在EM和F1值上相比基准实验分别提升了6.6％和8.1％,证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林世平	福州大学数学与计算机科学学院	34	380	8.0	19.0
2	廖祥文	福州大学数学与计算机科学学院	26	144	7.0	11.0
3	陈璐	福州大学数学与计算机科学学院	4	3	1.0	1.0
4	吴运兵	福州大学数学与计算机科学学院	19	93	5.0	9.0
5	陈开志	福州大学数学与计算机科学学院	6	15	3.0	3.0