基于双向力网络机器阅读理解研究.pdfVIP

  • 0
  • 0
  • 约3万字
  • 约 18页
  • 2026-11-18 发布于北京
  • 举报

阅读理解:基于双向注意力网络的实现

尼拉马尼・辛格

斯坦福大学

neelmani@stanford.edu

提克・库马尔

斯坦福大学

pratikk@stanford.edu

阅读理解——针对给定上下文回答查询——是机器学习领域的重要任务。该任务被证

明具有性,因为它需要建模两段独立信息(即上下文与查询)之间的交互关系。

注意力机制在阅读理解中表现优异,它能基于查询聚焦上下文中的关键片段。我们

采用Seo等人双向注意力流(BiDAF)模型架构[1],,构建了针对该问题的多

层架构。我们的模型在斯坦福问答数据集(SQuAD)上取得了72.925%的F1分数和

62.75%的精确匹配率(EM)。

1

引言

阅读理解是指处理文本、理解其含义并将其与读者既有知识整合的能力。将机器学习

应用于阅读理解任务(亦称机器理解)已逐渐流行。从研究角度看,该任务能衡量系

统对文本的理解程度,极具研究价值;从实用角度看,该任务有助于构建能理解任

意文本(如等)的AI系统。端到端的机器理解模型需建立上下文与查询的关联,

并能够从上下文中筛选出回答查询的。

本文中,我们描述了针对机器阅读理解问题的解决方案。我们建立了一个基线模型

[5],包含GRU上下文嵌入层、基础注

文档评论(0)

1亿VIP精品文档

相关文档