从深度匹配到深度问答报告.pptx

下载文档

27
0
约小于1千字
约 50页
2024-12-18 发布于境外
举报
版权申诉
保障服务

从深度匹配到深度问答报告.pptx

1、本文档共50页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

从深度匹配到深度问答;目录;;无处不在的问答引擎;;搜索问答的挑战;深度匹配;深度匹配–数据来源;深度匹配;深度匹配;深度匹配;基于句子表示的方法;基于句子表示的方法;多层表示学习QRNN-ATT;基于交互关系的方法;基于交互关系的方法;多层匹配学习 MV-LSTM;单层QRNN-ATT;公开数据集上的表现;Sogoulongtaildataset

多层模型表示学习优于匹配学习，随层数增加，表示学习效果提升更明显

RepresentationLearning模型能够更好地设计多层间交互，提升模型拟合能力;机器阅读理解;机器阅读理解;机器阅读理解;机器阅读理解;R-NET;;GoogleQANET;;;事实类问答;;非事实类问答;;语言模型预训练;WordEmbedding的缺陷;语言模型预训练方法;传统WordEmbeddings

每一个词只对应一个词向量

EMLo

利用预训练好的双向语言模型，然后根据具体输入从该语言模型中可以得到上下文依赖的当前词表

对于不同上下文的同一个词的表示是不一样的;EmbeddingsfromLanguageModels;针对每个Token;EmbeddingsfromLanguageModels;GenerativePre-Training;GenerativePre-Training;GenerativePre-Training;GenerativePre-Training;BidirectionalEncoderRepresentationsfromTransformers;BidirectionalEncoderRepresentationsfromTransformers;;BidirectionalEncoderRepresentationsfromTransformers;语言模型预训练;50