文档名：一种结合外部知识的动态多层次语义抽取网络模型
基于语义抽取的机器阅读理解是目前人工智能与大数据相结合的热点应用之一。针对复杂多文本机器阅读理解任务中的语义理解与答案提取问题，提出一种结合外部知识的动态多层次语义理解与答案抽取模型。首先，利用改进的门控单元循环神经网络匹配文本内容与问题集；然后，分别在向量化文本内容及问题集上实施多维度动态双向注意力机制分析，提高语义匹配精度；接着，利用动态指针网络确定问题答案范围，改进网络模型语义匹配效率，降低答案提取冗余度；最后，结合外部知识与经验改进候选答案精准性排序，得到最终答案。实验以Wikilinks数据作为外部知识，在主流MS-MARCO英文数据集与DuReader中文数据集上进行测试分析，并与ReasoNet、FastQAEXT、R-Net、S-Net、Verificationmodel等主流模型进行对比，本文模型语义匹配与答案提取精度显著提升。同时，对不同领域的复杂文本阅读理解任务具有较高鲁棒性。
作者：刘海波 庄志刚 涂旭平 利传杰 姜文超
作者单位：广东工业大学计算机学院,广东广州510006广东电子工业研究院,广东东莞523808广东广信通信服务有限公司,广东广州510630广东工业大学计算机学院,广东广州510006;广东电子工业研究院,广东东莞523808
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：H3TP3
关键词：机器阅读理解 语义匹配 答案提取 注意力机制
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 628.88 KB
- 下载次数:
- 60
-
高速下载
|
|
