文档名：基于QUNNs的阅读理解描述类问题的解答
机器阅读理解是NLP领域的一个研究热点,目前大部分是对答案简短的问题进行研究,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.本文采用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,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(QuestionUnderstanding-NeuralNetworks)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：谭红叶 刘蓓
作者单位：山西大学计算机与信息技术学院,山西太原030006;山西大学计算智能与中文信息处理教育部重点实验室,山西太原030006山西大学计算机与信息技术学院,山西太原030006
母体文献：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)论文集
会议名称：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)
会议时间：2018年10月19日
会议地点：长沙
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：机器阅读理解 描述类问题 卷积神经网络 启发式方法
在线出版日期：2021年9月13日
基金项目：
相似文献
相关博文
- 文件大小:
- 718.34 KB
- 下载次数:
- 60
-
高速下载
|
|
