使用BiDAFDrQA进行问题回答研究.pdfVIP

  • 4
  • 0
  • 约1.43万字
  • 约 14页
  • 2026-03-31 发布于北京
  • 举报

表{边框合并:塌陷;}表,表头,表单元格{边框:1px实线#000;}

使用BiDAF和DrQA进行问题回答

付睿斯坦福大学斯坦

福,加利福尼亚

94305

ruif@stanford.edu杨

轩斯坦福大学斯坦福,

加利福尼亚94305

x

uany

@stanford.edu

了字符级别的嵌入、双向注意力流、DrQA模型和更智能的跨度选择。我们在开发集上

取得了77.566和68.058的F1和EM分数,在测试集上取得了76.83和67.114的F1和EM分数。

1引言

SQuAD是一个阅读理解数据集,用量机器理解文本的能力。为了开发一个适用于

SQuAD的深度学习系统,我们利用了之前研究中描述的各种技术,并通过实验调整

超参数值以实现更好的性能。

2模型

为了提高我们的问答系统相对于基线模型的性能,采用了以下方法。

2.1字符级卷积神经网络

除了词嵌入层之外,我们还添加了一个字符嵌入层,将每个词映射到向量空间。这一

嵌入层有助于推断出未出现在GloVe向量中的词的信息。我们采用了Seo等人相同

卷积神经网络(CNN)[1],来计算每个词的

文档评论(0)

1亿VIP精品文档

相关文档